在数据规模海量增长的今天,如何从海量图像视频信息中筛选有效视觉信息,集中视觉注意力选择视觉场景中的某个子集对实现图像智能处理分析显得尤为重要。显著性目标检测正是研究视觉选择性机制,提取视觉注意信息滤除冗余干扰的研究方向。按照研究目的不同,一般将显著性目标检测划分为人眼注视点预测与对象级显著目标检测,人眼注视点预测主要通过相关算法模拟人眼视觉注意力过程并预测人眼注视点区域,对象级显著目标检测主要致力于提取图像或视频样本中显著目标的基本轮廓。目前自底向上的人眼注视点预测算法存在对图像中显著小目标检测缺失的问题,对象级显著目标检测也存在图像边缘不清晰,检测结果不准确等缺点。为完善检测算法,本文针对显著目标检测的相关问题提出两种检测算法。本文的主要工作如下:针对现有的人眼注视点预测对小目标区域提取缺失,本文提出一种基于频域多尺度的人眼注视点预测算法,通过多尺度小波模拟人眼注视过程,滤除图像中的冗余信息,预测人眼注视点。具体方法为:将图像转换到频域,通过多尺度小波模拟人眼视觉注意力机制,得到人眼注视点预测,相比于传统算法,本章算法对小目标的感知与定位更加准确。目前已有的对象级显著性目标检测算法存在对图像边缘检测效果不佳,图像轮廓不完整,显著目标检测区域不准确等问题,本文第四章提出的基于Transformer的显著性算法将输入自然图像裁剪为大小相同的图像块输入模型,通过自注意力机制对神经网络模型进行训练,在图像特征提取阶段综合提取全局特征信息,采用多尺度提取图像的语义信息并通过多阶段微调逐渐优化显著性目标检测区域。实验表明本文检测算法对于复杂场景的自然图像检测效果更佳,鲁棒性更高,检测结果更接近真实场景标注结果。