随着技术的发展及数码产品的普及，图像与视频等视觉信息呈现出爆炸式的增长趋势，如何有效的处理海量的视觉信息并获得符合人类认知的分析结果成为一个重要课题。显著区域检测从人类视觉系统对图像的感知出发，检测图像中显著的位置或者物体，可以大大减少计算机需要处理的图像区域，提高视觉任务的处理效率。显著性检测可广泛应用于图像分割，物体识别，基于内容的图像缩放等任务。　　本文主要针对自底向上的图像显著区域检测进行研究。区别于大多数基于全局或者局部对比度的方法，本文探讨了基于背景先验的检测方法，完成了以下两方面的工作:　　1.基于背景对比度的显著区域检测　　本文从人眼对纹理的视觉感知特征出发，考虑到在显著性任务中人眼视点对细小尺度的纹理并不敏感的特性，我们对输入图像进行了纹理模糊。然后通过将像素进行简单的聚类形成基于超像素的图像表示，减少了算法处理的基元数目。利用图像四周的超像素属于背景的概率非常高这一背景先验，本文将邻接图像四周的超像素作为图像的背景估计。通过对数据集中背景与背景估计之间的距离进行实验统计，验证了背景估计中的超像素能够表示大部分图像背景中出现的表观模式这一猜想，并由此提出背景对比度的度量方式，即超像素与背景估计中平均颜色k近邻的颜色距离之和。　　2.基于背景连通性的显著区域检测　　当图像边界出现前景中的模式时，单独使用特征域上超像素与背景估计的距离难以准确估计超像素的显著性。因此我们引入了超像素与背景估计的连通性作为显著性的另一种度量。超像素的背景连通性定义为该超像素到背景估计中颜色k近邻的测地距离的最小值。背景连通性从连通域角度度量了超像素的包围性质，对特征域的背景对比度度量进行扩充。将背景对比度与背景连通性进行融合能够得到更全面的显著性度量结果。　　我们将上述算法在多个公开的显著区域检测数据集上进行了测试。实验结果表明，背景对比度和背景连通性能够有效地检测图像中的显著区域，取得了与当前最先进方法可比的结果;同时还证明了将符合人类视觉特性的纹理模糊引入到显著区域检测任务中，能有效提升检测性能。