随着科学技术的飞速发展，人们对于视觉感知的要求也越来越高。大量的数字图像信息需要图像显著性来提高处理的效率，这一需求使得显著性检测在数字图像处理方面已经成为了不可或缺的工具。图像显著性研究立足点有很多，多数显著性检测算法是基于像素、固定块或者基于区域。本文提出了一种基于区域的超像素显著性算法。利用了基于区域的显著性检测运算速度快便于处理的优势，也结合了基于像素研究能够得到比较精细的显著性图的特点。主要改进了传统基于区域的显著性算法不精细的缺点。文章的主要工作包括以下四个方面：(1)介绍了显著性研究的进展。(2)主要阐述了与显著性研究密切相关的人类视觉系统、视觉关注两种模型、显著性检测等基本概念。(3)详细介绍了几种比较典型的显著性算法，并对这几种算法进行分析。(4)本文提出了一种基于区域的超像素显著性算法。算法首先是利用SLIC（SimpleLinear Iterative Clustering），简单的线性迭代聚类超像素分割方法，将图像分割成区域。然后求出区域对比度,将其进行上采样（up-sampling）使上升为像素级别对比度。接着结合区域位置影响因子求得整幅图像的显著性。再将图像分割成为不同区域数再进行算法步骤，得到多个单层显著性图，最后将这些单层显著性图叠加起来求出平均值，也就得到算法最终的显著性图。并对其进行仿真实验，画出精度查全率曲线（Precision-recall curve），效果较好得到预期结果。