图像数据的高速增长为图像存储、传输和处理带来了巨大压力。图像的显著性计算旨在尽快提取出人眼感兴趣的区域，优先或集中分配计算资源进行重点分析和处理，以加快处理速度，减轻计算压力，产生的显著性图能够广泛运用于图像分割、目标识别和自适应压缩等方面。传统的图像显著性计算方法只考虑到纹理信息，忽视了场景的三维几何信息，导致产生的显著性结果与人眼的实际观察存在较大误差。本文引入深度信息，辅助纹理信息进行图像显著性计算方法的研究，主要的研究成果如下：（1）提出了一种基于景深模拟的显著性计算方法，首先通过建立颜色直方图进行颜色对比，然后在深度信息的指导下进行对焦平面、景深范围等光学特性的模拟以确定各像素的显著性值，产生的显著性图更具层次感，更符合人眼视觉特性。（2）提出了一种基于区域对比的显著性计算方法，首先通过超像素分割及融合进行图像区域划分，然后通过对比区域间的深度、纹理信息以及空间几何信息来确定各区域的显著性值，产生的显著性图保证了物体内部显著性值的平滑性和外部轮廓的完整性，并抑制了人眼不感兴趣区域的显著性。我们在产生的显著性图的指导下对图像进行HEVC压缩编码，与直接压缩相比，其重建结果更好地保留了显著性区域的细节清晰度，并降低了整体码率。