随着数字产品和互联网技术的发展，多媒体信息迅速膨胀，越来越多的数字图像被产生、传输和利用。图像作为一种内容丰富、表现直观、表达形式多样化的数字媒体形式越来越受到人们的重视。图像所承载的丰富知识和无尽乐趣为人们带来巨大方便的同时，也提出了极大的挑战。一方面，随着图像数量的爆发式增长及其在不同领域越来越多的应用，对图像进行更高效组织和表达的需求日益增长;另一方面，虽然目前已经有很多图像编辑方法，但这些编辑方法未充分利用图像的种种信息，如边缘、结构信息等，难以产生较好的编辑效果。图像的高效组织、表达和编辑，需要理解图像的内容。深入理解图像内容，可以分清图像中重要和次要部分，优化分配图像不同部分的计算资源，进而提高组织表达效率;可以深入挖掘图像中种种信息，充分利用图像特性，进而提高编辑效率。这是当前计算机视觉以及计算机图形学领域的重要研究课题。　　本文围绕图像显著性区域检测与边缘有效感知的图像编辑，研究了图像视觉显著区域的检测、图像中主体纹理部分的提取、边缘感知的图像编辑框架、基于结构恢复的图像修补等问题。其主要贡献和创新点归纳如下:　　1.提出了一种基于代表性背景先验的显著性检测方法。该方法首先验证了图像边界像素能代表图像背景的先验知识，然后根据此先验知识直接计算图像区域与代表性背景间的差异，从而能更准确的计算对比度，产生干净的显著性探测结果，解决了以往显著性检测方法中图像对比度计算不准确、小显著性值积累的问题。在国际公开测试集上，该方法的检测结果优于已有方法，能产生最高的准确值(Precision)，第二高的召回值(Recall)以及最高的F-measure值。　　2.提出了一种基于多尺度颜色直方图的纹理显著性区域提取方法，即主纹理提取(Dominant Texture Extraction)。传统的计算方法非常耗时，对此，本文方法通过提取出图像颜色直方图的主要部分来进行高效的主纹理提取，这是因为主纹理和非主纹理的颜色分布差异很大，这点在公开数据库上得到了验证。实验表明，和目前已有的最好的主纹理提取方法相比，该方法提取的主纹理质量与之相当，但提取速度快了多个数量级，对一般图像可以达到实时的速度。　　3.提出了一种边缘感知的梯度域图像编辑框架。以往图像编辑方法往往不能很好的保持住图像边缘，即使是那些边缘保持的方法也是如此。为此，我们在传统图像编辑框架中显式加入边缘感知的约束，理论分析了该约束能保持边缘的本质原因，并将其应用到一系列图像处理操作中去，如图像平滑，灰度图彩色化以及泊松克隆等。实践证明该框架能有效改善这一系列图像编辑结果。　　4.提出了一种基于高效结构恢复的图像修补方法。以往图像修补方法往往难以根据源图像信息直接恢复含有复杂结构的图像，而使用用户交互指定结构则非常耗时。对此，我们提出利用网络资源来检索到和待修补图像有相似结构的参考图像，并将其无缝的传播到待修补图像的空洞里去，从而可信的恢复出图像结构，减少用户交互。实验证明该方法能有效修补有大洞或复杂结构的图像。