显著目标是人类利用视觉,从复杂生活场景中快速地提取最突出最重要的物体,即与人的视觉相比,计算机的视觉检测还存在更大的挑战性。当前计算机视觉检测的经典算法和深度学习算法在图像显著性目标检测领域仍然存在亟需解决的问题,如对于暗图像或前景与背景颜色接近图像的显著性目标检测不完整、细节模糊或目标边界不清晰。针对上述问题,提出一种基于马尔可夫吸收链的显著性检测方法。首先,拉伸相邻像素的对比度,根据全局的相邻像素对比度,来制定最优函数增强图像对比度,用以扩大前景与背景的差异,突出完整的显著性目标;其次,在图像中添加不同程度的高频分量,利用高斯差分和角点检测提升图像细节;然后,构建串联和并联滤波器,对图像进行权重自适应的多结构形态学处理,使目标边界清晰、曲线平滑;最后,在超像素图像上构建双向马尔可夫吸收链,生成前景先验与背景先验的显著图,通过测地线距离的方法融合两种显著图并生成最终显著图。采用MSRA10K数据集和ECSSD数据集,与当前较流行的9种显著性目标检测算法进行比较,实验结果表明,本文方法的最终显著图可以突出前景、抑制杂乱的背景,并且显著性目标完整、图像细节清晰、边界平滑连续,在准确率和召回率上均优于其它算法。该论文有图23幅,表2个,参考文献60篇。