随着互联网时代的到来和智能手机等便携电子设备的普及,以及微博、微信、社交网络等交流平台的快速发展,图像正在不断融入人们的生活并极大地影响着人们获取信息的方式。人类可以很容易的判断出图像的显著程度并注意到图像的重要部分,如何让计算机模拟人类的视觉注意力机制以自动的获取图像的显著性区域已成为计算机视觉领域的重要研究课题。本文通过多视角下的低秩模型分解方法来解决图像的显著性检测问题。对于给定的一幅图像,本文先从不同的视角对图像预分割生成的超像素进行特征提取,得到了包含丰富显著性信息的图像的多特征矩阵。然后利用这幅图像的先验信息引导这个多特征矩阵的稀疏低秩分解,得到一个能可靠估计图像显著性区域的稀疏矩阵。传统的基于矩阵分解的显著性检测模型通常将先验信息附加到特征矩阵作为预处理,然后直接利用现有模型对处理后的矩阵进行分解。本文的模型将先验信息直接用于显著性评价矩阵的求解模型中。同时,lp,q范数正则化方法的引入保证了不同视角下的特征对图像有一致的显著性预测。大量的实验结果表明本文的图像显著性区域的检测结果比目前流行的很多方法更精确可靠。