针对现有显著性检测算法在复杂背景图像目标完整性检测中的不足和背景错误突显的缺陷,提出一种结合深度学习的图像显著目标检测算法。算法基于一种改进的跨层级特征融合的RFCN深度卷积神经网络,网络模型包含基础特征提取,跨层级特征融合两个部分。首先通过改进的深度卷积网络模型对输入图像进行特征提取,利用跨层级联合框架进行特征融合,从而生成高层语义特征初步显著图;然后,将初步显著图与图像底层特征融合进行显著性传播获取结构信息;最后,利用条件随机场(CRF)对显著性传播结果进行优化得到最终显著图。将提出的算法与其他多种算法在ECSSD和DUTOMRON数据集上进行测试对比,得到的PR曲线图,F值和MAE的效果优于其他9种算法的结果。实验结果表明:本文算法对复杂场景图像的显著目标检测相比于已有的多种算法鲁棒性更好,对显著目标检测的完整性得到提升,对背景进行了更有效的抑制。