长期以来图像显著性研究都是人类视觉研究的一个重要组成部分,对于它的研究存在于神经科学、心理学、计算机科学等学科的交叉领域。 在计算机科学的研究领域里,模拟人眼的认知过程,分析并标记显著性区域是其研究的主要任务。显著性的研究结论被广泛利用在图像压缩、图像分割、物体识别等相关领域。本文首先简单分析介绍了图像显著性研究基本概况,简述其发展历史和研究背景,对主流的研究方法进行分类梳理,展示了整个领域的发展过程。从而在明确了该研究领域的研究方法和方向的前提下进行进一步的探究。最后在前人研究的基础上,本文提出一个结合传统对比假设和流形排序两步骤组成的显著性算法。在用超像素分割算法将图像分解为大小相似、结构规则且保留边缘信息的超像素块前提下。第一个步骤在传统的对比假设获得的显著图基础上,使用显著中心聚拢优化,并利用动态阈值分割方法将图像二分,标记显著区域。第二个步骤,利用Floyd算法获得的最短路径,在图像上构建无向图模型,并应用流形排序算法在其上依据标记的显著区域对整个图像进行相关性排序,从而获得轮廓清晰边缘信息完好的显著图。该算法在公共数据集上进行了测试,并将测试结果和数据集给出的标定好的真实数据进行比对,从而验证算法的有效性。最后我们将自己的算法和几个最新水平的算法进行比对分析。