互联网信息技术和电子商务的日新月异,使得方便快捷的网络购物成为一种不可或缺的购物方式。网络上的服饰商品数量类型繁多,怎样从中有效地搜索到目标商品是决定消费者是否发生购买行为以及商家能否获利的重要因素之一,因而商品搜索的相关技术成为了学术界与工业界的研究热点。现有的基于内容的图像搜索服务,对复杂背景的服饰图像直接提取整体的颜色等视觉特征,会因背景噪声干扰而无法得到较为精确的搜索结果。为了提高服饰图像搜索的质量,有必要过滤掉复杂的图像背景,即提取出其中的服饰。本文针对含有复杂背景的服饰购物图像,对其服饰的提取问题进行研究与探讨,主要内容如下：第一,提出了一种融合姿势检测的服饰显著性分析算法,该算法将服饰定位问题转换为图像显著性目标的检测问题。服饰类网购图像中的模特和服饰的视觉显著特性,为定位服饰大致区域提供了相关线索,因此将算法建立于姿势检测与显著目标检测算法的基础之上。首先,对图片中模特的姿势进行估计与检测；然后,将其融合到显著性目标检测的区域显著特征的计算中；最后,加入局部、全局的显著检测图进行线性组合,得到融合姿势检测的服饰显著图。实验对比结果表明该算法能够对服饰的显著性进行较为有效的分析,有助于后续的服饰区域初定位。第二,提出了一种新的针对服饰购物图像的服饰提取算法。该算法首先利用本文提出的服饰显著性分析算法,初步确定服饰区域；其次,对图像进行超像素分割,根据高斯混合模型对前景／背景区域的颜色分布进行超像素级别的分析与估计；然后,采用图像分割的相关技术提取服饰；最后,结合服饰目标的显著性检测,修正初步的提取结果,进一步消除非服饰事物如模特手部、头颈部等的干扰,获取较为纯净的只包含服饰的图像。实验结果表明,该算法能够较好地将显著性目标检测和图像分割结合在一起,有效地进行服饰提取,并可以推广到更大的图像数据集。