计算机视觉领域中,图像预处理阶段使用显著性目标检测,可以极大地减少计算量并提高检测系统的准确性与实时性。目前提出的显著性目标检测方法大多是在单一域上进行解决,因环境的不确定因素、目标周围区域中的杂乱背景,导致生成显著图时,检测的显著性目标区域不准确、目标区域轮廓不清晰及背景误检测的问题时常发生。因此,本文提出基于复合域的显著性目标检测方法。首先,在空间域用多尺度视网膜增强算法对原图像进行初步处理;然后,在初步处理过的图像上建立无向图并提取节点特征,重构超复数傅里叶变换到频域上得到平滑振幅谱、相位谱和欧拉谱,通过多尺度高斯核的平滑,得到背景抑制图;同时,利用小波函数在小波变换域上具有的多层级特性对图像提取多特征,并计算出多特征的显著性图;最后,利用提出的自适应阈值选择法将背景抑制图与多特征的显著性图进行融合,得到最终的显著图。对标准测试数据集MSRA10K、THUR15K和ECSSD中的图像分别进行显著性目标检测实验,同目前较流行的显著性目标检测方法对比,实验结果表明,复杂背景和环境干扰下,本文方法能够准确检测到显著性目标区域,得到边界清晰轮廓完整的显著性图,算法的评价指标明显高于对比算法,抑制杂乱的背景的同时提高了准确率,具有较好的鲁棒性和普适性。