近年来，随着智能手机、数码相机等电子设备的普及，以图像为主的多媒体信息逐渐成为了人们传递和获取信息的主要载体。面对呈现几何级数增长趋势的多媒体信息，计算资源的增长速度则相对比较缓慢，因此人们希望找到能够符合人类视觉系统选择机制的模型，使得计算资源能够进行合理的分配，达到计算资源充分且高效的利用。为了满足以上需求，基于视觉注意机制的显著区域检测成为了计算机视觉领域的研究热点。　　本文研究基于深度信息的RGB-D图像显著区域检测算法，现有的显著性分析模型大多通过提取图像的二维特征（如颜色、亮度和方向等）来计算显著图，却忽略了场景中物体的空间位置关系。鉴于现有模型对特征选择的局限性，我们提出了基于深度信息的显著区域检测算法，主要研究工作包含以下两个方面:　　1.提出一种基于深度信息的显著目标检测算法。在对深度信息进行处理后，显著目标的不同区域会处于同一深度，该算法在现有方法生成的显著图的基础上，以分割后的图像块为单位，利用深度信息对原有的显著图进行块内扩展，并通过提取颜色特征计算相邻块之间的相似性，进行块间的扩展，达到细化显著目标轮廓的效果，生成最终的显著图。同时构建了一个包含600幅RGB-D图像的数据库。通过在该数据库上进行实验比较，证明在显著目标检测结果中，融合深度信息的算法比现有算法效果更好。　　2.提出一种基于深度先验知识的视觉注意点预测算法。待检测图像的视觉注意点和与其相似图像的视觉注意点有关。首先该算法通过融合深度特征寻找待检测图像的k-近邻图像，其次通过利用k-近邻图像的视觉注意基准集得到其先验知识，最后与现有方法生成的显著图进行融合，得到最终的视觉注意预测图。通过在眼动数据基准集上进行实验，证明该算法在视觉注意点的预测上具有良好性能。