通过显著目标检测可以得到图像中引人注目的目标。显著目标检测技术可应用于图片浏览、图像剪切、图像压缩、基于内容的图像检索等领域。目前绝大部分关于显著目标检测的研究是基于像素级别的，存在效率偏低和因缺乏较高层次语义特征而效果较差的缺点。在得到显著度图后如何组合显著目标的问题上，除了一些利用先验知识指导显著目标还原的方法外，大部分方法处理比较粗糙，导致检测得到的显著目标不够完整与准确。本文提出针对区域的面积与位置显著度特征，重新设计了中央环绕特征与颜色分布特征，再根据聚集性、面积与位置显著度特征指导区域的生长与合并，最后得到显著目标。这种基于区域的显著目标检测方法，可以在保证效率的情况下改善检测效果。　　 本文采用一种新方法进行显著目标检测，大致流程如下：1)对图像进行分割，得到互不重叠的、具有特征一致性的区域；2)对分割得到的区域进行聚类，使得具有特征一致性的区域在同一聚类中；3)计算基于区域的中央环绕特征和颜色分布特征；4)组合两种特征生成最终的显著度图；5)通过区域的生长、合并与选择得到显著目标。　　 本文的实验评价工作基于微软亚洲研究院的显著目标图像库，与四种主流方法进行比较。实验结果表明，本文的方法检测得到的显著目标的精确率、召回率和综合评估指标均优于其他四种方法。