随着互联网技术和多媒体技术的飞速发展，数字媒体信息呈现出以几何级数增长的态势。海量的数字媒体为人们的娱乐、教育和商业带来便利的同时，也为视觉信息处理技术提出了新的挑战。视觉显著性检测方法可以自动预测、定位和挖掘数字媒体信息中对人们重要的视觉信息，可以帮助计算机对海量的视觉媒体信息进行有效筛选。本文从计算机视觉任务对显著性检测所显现出的需求出发，对视觉显著性检测的关键技术进行研究，主要创新点包括:　　第一，针对视觉注视点位置检测的方法仅对图像局部稀缺性进行分析，当背景干扰对比度较大时会被误判为显著前景的问题，本文提出一种基于Gestalt原理的显著性检测方法，利用显著物体处于被包围状态这一特性计算显著度，它的本质是对图像中前景与背景全局拓扑结构的分析，能够有效的抑制图像背景中局部稀缺区域的影响。该方法生成的视觉注视点位置检测图可以作为一种位置先验与其他方法融合，克服传统中心位置先验方法只是简单突出中心附近区域，若显著物体远离中心则失效的问题。　　第二，针对提取显著目标区域方法基于像素级全局对比度计算消耗大，且当图像中颜色纷乱、表面纹理复杂时难以清晰表达显著目标边缘轮廓的问题，首先提出了一种新型的超像素聚类方法SSLC，对图像进行更加恰当的预处理，并结合超像素独特性与空间分布的影响计算显著值，解决了显著目标全局分析计算耗费大及边缘模糊的问题。而后提出了一个更合理的融合框架，将基于Gestalt原理方法生成的位置先验图与计算超像素全局对比度生成的显著图进行融合获取更优化的显著图。