生物的视觉系统在处理所面对的场景时，可以很轻易的并且准确的选择和提取出最感兴趣的区域，显著图检测技术就是模拟眼睛的感知特性来获取场景中的最感兴趣的区域。近年来，由于显著区域检测的广泛应用，如图像分割、图像检索、和与内容相关的图像缩放等，显著图检测已成为计算机视觉领域中的热门课题之一。总的来说，显著区域检测技术可以分为两类：自顶而下的基于先验知识的检测和自底而上的无先验知识的检测。自顶而上的方法，通过对已知的样本进行分析，根据特定目标的特征检测图像中的感兴趣区域。自底而上的方法，往往是通过某种计算模型，选择图像中最不一样的区域作为显著区域。本文提出一种自底而上的方法，并将显著区域检测技术应用于图像分割方面，主要从以下几个方面开展了工作：　　1.提出了一种基于标签漂移的显著区域检测方法。我们观察到，相比于背景，显著区域通常是与众不同的。基于超像素分割和标签漂移技术，我们把每个超像素的显著度定义为这个超像素被分配为和所选的显著种子同样的标签的概率。实验结果证明，我们的方法有效的检测出了显著区域，并且很好的抑制了背景。　　2.提出了一个基于人眼注视点随机游走模型的图像分割方法。当人们第一眼看到一个场景时，人类的视觉系统自动注视显著物体。根据人眼的视觉机制，我们提出了基于人眼注视点和随机游走模型的图像分割方法。实验结果显示，本方法在使用了较少的交互信息的情况下，与其他方法相比，得到了具有竞争力的结果。　　3.设计了一个在安卓平台上的基于触摸点的图像分割系统。在浏览图片时，用触摸作为用户交互，进行图像分割。通过这个系统，用户只需点击感兴趣区域的一个点，便可以得到整个的感兴趣区域。