人类通过自身的视觉系统在复杂的环境里获取自己感兴趣的目标区域,模拟人类这样的视觉系统机制在图像中得到显著区域成为了计算机视觉研究中的一个热点。研究者构建视觉系统机制可以通过两个途径：自上而下(Top-Down,以下简称TD)和自下而上(Bottom-Up,以下简称BU)的方法。本文采用BU方法,实现基于超像素的图像显著性的检测。首先,对研究课题中涉及到的超像素分割方法进行了分析总结,选取SLIC方法作为本文使用的超像素分割方法。接下来引入图像显著性的基本知识。分别介绍人类视觉注意机制、视觉特征以及特征之间的比较方法。随后,分析了几种经典的图像显著性检测模型,总结这些算法的优点和不足。本文沿用经典模型的Edge-Center处理思想,提出基于超像素的图像显著性检测模型。在该模型中,对原始的图像进行SLIC超像素分割,得到超像素集合。并采用颜色特征与空间特征相结合的方法分析超像素的全局信息。在边界设定种子点构建边界显著图,对得到的四幅边界显著图加权分析估计显著区域的位置并标记下来。以标记的超像素为种子点构建中心区域显著图。融合边界显著图和中心区域显著图,得到最终的显著图。最后,通过实验对本文提出的基于超像素的图像显著性模型进行了准确性和有效性验证,证明了本文提出的算法模型是一种可行的方法。