显著性对象检测旨在着重标示图像或视频场景中在语义层面上引人注意或感兴趣的区域或对象。显著性对象检测可以作为预处理步骤,为其他复杂的计算机视觉应用任务提供帮助。当前,它已经被广泛应用于目标跟踪、图像分割、目标检测等任务中。显著性检测目前依旧是具有挑战的计算机视觉任务,因为具有复杂形状和任意大小的显著物体通常难以精确地检测,尤其是在杂乱的背景和复杂的场景中。由于考虑到基于单一层次特征预测显著物体的缺陷,最近的许多方法采用融合了深度神经网络（Deep Neural Network,DNN）的多个层次特征进行物体预测并获得了性能的提升。但是,现有工作通过固定比例和采样位置规则的卷积处理每个语义级别的特征,从而劣化了对具有复杂形状和任意大小的显著对象的预测表现。为了解决这些问题,本文提出了一种新的具有结构自适应和规模自适应感受野的显著物体检测算法。1.对于静态图像的显著物体检测。本文首先引入可变形卷积,通过引入额外的偏移量来变换卷积核的采样位置,从而获得基于物体结构的自适应特征。同时,针对不同语义级别的结构自适应特征,本文设计了新颖的空间上下文感知模块SCAMs（Spatial Context-aware Module）,通过设计不同扩张比率和卷积核尺寸的卷积组合捕获多尺度上下文信息,获得规模自适应的特征。为了进一步强调与显著性相关的语义信息,本文还提出了一个关注区域的通道注意模块ROI-CAM（Region Of Interest-Channel Attention Module）,该模块将重新给予特征图新的权重。实验结果表明,基于规模和结构自适应感受野能够生成准确的显著图,并且表现优于现有的大量显著性预测模型。2.对于视频显著物体检测算法。本文以上述图像显著物体检测模型为基础,提取单帧图像基于自适应感受野的静态空间特征,通过设计的时序对齐模块TAM（Timing Alignment Module）提炼视频相邻帧之间的时序信息。TAM将相邻帧的特征分布转移至当前帧的特征分布并将两帧特征聚合获得时序融合信息。本文在两个广泛使用的视频显著性数据集上实验,实验结果证了TAM机制的有效性。