图像显著性检测具有很长的研究历史,但因其是模仿人类的视觉注意机制,所以一直以来是一个具有挑战性的研究领域。图像显著性检测就是将图像中的重要内容检测出来,为后续的图像应用提供方便。目前图像显著性检测面临一系列的问题,比如:检测结果精确度不高、检测算法复杂等。与傅里叶变换相比,小波变换是空间和频率的局部变换,因而能有效地从图像中提取信息以达到图像显著性检测的目的。本文主要进行了如下工作:(1)对频率调谐算法(FT)进行分析,提出了基于对比敏感度函数(CSF)的小波域显著性检测算法。考虑人眼的各种特性,将CSF用于图像的显著性检测中,提高图像的对比度,利用小波分解得到不同频率信息,使用加权的欧式距离计算显著性值,最后利用抛物线进一步提高显著图的对比度。(2)通过对基于底层和中层线索的贝叶斯显著性检测算法(BS)的分析,提出了贝叶斯框架下小波域显著性检测算法。首先进行兴趣点检测,并利用凸包得到图像的粗略显著区域,利用颜色直方图计算像素点的观测似然概率,然后利用小波分析,结合局部和全局特征得到先验图,利用先验图得到先验概率,最后利用贝叶斯理论计算像素点的后验概率得到显著值。(3)将以上两种显著性检测方法应用于图像分割和基于内容感知的图像缩放,分割结果更加准确,图像缩放的结果图基本保持了原图像的形状。本文算法在Achanta数据集上进行实验。通过ROC曲线、分割准确率、分割完全率、时间的综合比较,本文提出的两种检测算法可以提高显著区域的检测准确性。在图像分割上更准确,内容感知的图像缩放上效果更满意。