图像显著性检测已经成为近几年重要的研究课题之一,目的是为了快速获取图像中有用的信息。针对当前显著性检测方法存在目标区域不明亮的问题,本文提出了一种基于凸包背景先验和目标先验的显著性检测方法,主要过程是分别构建背景先验图和目标先验图,并采取贝叶斯模型进行融合。本文充分地获取图像背景模板信息和目标模板信息,以获得准确可靠的显著图。1.基于凸包外背景区域的显著性检测。相比于使用图像四周作为背景模板的传统方法,本节提出了一种将凸包外超像素作为背景模板去构建背景先验图的方法,该方法改善了将图像四周作为背景模板的不足。首先获取图像的显著点,消除边缘的显著点并获取凸包,接着对图像进行超像素分割,将凸包外的超像素作为背景模板。接着将整幅图像投影到背景模板计算重构误差,获得背景先验图。2.基于凸包内目标区域的显著性检测。本节提出一种将凸包内超像素作为目标模板去构建目标先验图的方法,主要是将整幅图像投影到目标模板上,计算目标模板与整幅图像的反重构误差,得到反重构误差图。接着提出一种基于凸包内目标偏置的高斯滤波模型,结合反重构误差图,获得最终的目标先验图。3.当前优化方法存在着单一使用背景或者目标的问题,由于背景先验图和目标先验图存在着各自的优点,提出了一种将背景先验图与目标先验图进行融合的方式,并使用贝叶斯模型得到最终显著性图。本文算法在公开的四个数据集上进行了大量的实验评估,分别对构建背景先验图和目标先验图的过程进行了阶段性的实验验证。同时将最终实验结果与现有的经典算法进行了比较,本文算法在与其他算法比较时,表现出良好的检测性能。