显著物体检测在计算机视觉领域是一个长期被研究的问题,近年来越来越受到研究者的重视。显著物体检测的目标是在一幅图像中能够准确高效的检测出吸引人类视觉注意的区域。高效准确的显著性检测已经被应用于互联网和人工智能等领域的图像处理应用中,比如图像检索、图像压缩、图像分割和内容感知的图像编辑等。本论文提出了一种利用被包围状态和马尔可夫模型进行图像显著性检测的方法。与以往利用马尔可夫模型进行显著性检测的方法不同,本论文结合了背景先验线索和前景先验线索进行显著性检测。以往的显著性检测方法往往只是挖掘图像的背景先验线索,而忽略了对前景先验线索的有效利用。对于图像中背景先验线索的挖掘通常趋向于简单的把图像四周作为背景,这样做往往会导致对于显著目标靠近图像边界的图像的显著性检测不够准确。基于此,本论文通过利用被包围状态检测显著物体大致区域,得到前景先验线索。再结合前景先验将距离显著物体大致区域最远的两条边界作为背景先验。首先,与以往算法利用凸包预测显著物体大致区域不同,我们利用被包围状态对眼睛注视点预测计算显著性物体的大致区域更准确。然后,使用简单线性迭代聚类(SLIC)算法对原始图像处理得到图像的超像素图,基于超像素图建立图像的图模型。接着,将距离显著性物体大致区域最远的两条边界的超像素作为虚拟背景吸收节点,利用吸收马尔可夫链计算每个超像素的显著性值,检测出初始的显著图S1。再以计算出的显著性物体大致区域中的超像素作为虚拟前景吸收节点,利用吸收马尔可夫链检测出初始的显著性图S2。最后,融合S1和S2得到最终的显著图S,并且利用引导滤波器对显著图S进行平滑处理。本文在MSRA-1000和ECSSD两个公开的数据库中对本文提出的方法进行测试,测试结果表明本文的算法较以往的算法表现更好。