计算机通过图像或视频正确理解周围环境是计算机视觉的首要研究目标,该领域至关重要的三项工作即正确感知场景中的主要物体,识别物体的轮廓和获得物体的环境上下文。要实现这个目标,获得图像的视觉显著性信息是最为基础的一步。图像的视觉显著性信息能够反映图像中不同区域对人视觉系统刺激程度。图像显著性区域检测技术可以实现图像显著性信息的提取。可靠快速的显著性检测能够为内容感知的图像编辑,图像分割,图像检索等应用提供有价值的参考信息；能够缓解图像内容理解与图像底层特征之间的隔阂,使得更高层的图像理解成为可能。深入研究显著性检测技术,对提高图像分析和图像理解系统的性能以及提高图像处理技术的应用水平都具有十分深远的意义。显著性区域检测技术在遵循人视觉显著性规律的基础上,综合利用图像的颜色、强度、局部方向等特征,计算出图像中各个区域的显著程度。当前已经提出了很多种显著性检测方法,但是仍然面临一系列的挑战,具体表现在：(1)图像显著性检测结果质量不高,不能完全正确的反映出图像的显著性信息。很多方法的检测结果容易受到图像中纷乱的颜色,复杂的表面纹理,多变背景的影响。作为检测结果的显著图无法凸显最为引人注意的物体,无法一致的高亮整个物体,无法清晰的指明物体的轮廓。这都使得显著图在各种应用中不够可靠,效果不好。(2)显著性信息的使用方式和方法还比较初级。虽然已经有很多方法尝试使用图像显著性检测结果解决一些问题,但在具体应用中仍然无法得到让人满意的效果。这样,就无法使图像显著性信息的潜力发挥出来。此外,还亟需寻找更多有价值的应用,进一步探索显著性信息的应用场景,解决更多实际问题。因此,针对以上这些问题,本文进行了以下工作：(1)将显著性检测过程建模为两个阶段,初级阶段和高级阶段。显著性检测初级阶段将各个的区域的基本显著性检测出来,然后高级阶段进行显著区域筛选,找出最为吸引人视觉注意的区域,加强其显著性并弱化其他区域的显著性。(2)在总结当前大量显著性检测方法的基础上,归纳了两条目前解决这个问题的最佳思路,一条思路是采用频率调谐的方法进行显著性检测,另一条是通过计算区域全局对比度进行显著性检测。沿着这两条思路,本文分别设计了加权多尺度频率调谐检测方法和超像素全局对比度检测方法。这两种方法很好的完成了初级阶段的检测任务。(3)为了能够做到快速选择最为显著的区域,本文在高级显著性阶段设计了关键区域聚焦方法。通过选取聚焦点,分析聚焦点的分布来对图像的初级显著性进行优化。将两种初级阶段的显著性检测方法和关键区域聚焦方法分别结合,可以得到两种完整的显著性检测方法,这两种方法能够产生符合要求的显著图,在各种应用中表现出色。(4)在图像分割、图像编辑等领域对显著性检测的应用进行了研究。对一些已有的应用,提出了新的基于显著性信息的实现方法。还设计了几种新的应用,比如快速目标定位和内容感知的背景模糊等。这些应用充分的利用了当前已有的技术,探索图像显著性应用的新方式新方法,实现了以前无法实现或者很难实现的图像编辑效果。