视觉显著性检测是通过计算机来模拟人类的视觉系统，定位显著性区域。它能够将图像中的背景等无用信息过滤掉，而仅仅留下重要信息。由于现有的主流算法均是基于自底向上的。这类方法的理论由于缺少对高层知识的理解，因此有时需要借助先验知识去解决显著性检测问题。然而当今的算法并没有很好的利用先验理论，往往假设图像的显著性目标在图像的中心位置，这显然是不合理的。显著性目标位置定位错误会对算法的准确性产生极大的负面影响。因此希望通过更加合理的运用先验理论，更加准确的预测出显著性目标的位置。　　本研究提出了一种更加合理，更加准确的估计显著性区域的方法。首先通过基于图的分割算法，将图像分割成若干个具有相似性质的超像素，为后续的处理减少运算量。接着，通过计算引入权值的全局对比度，计算图像的对比度显著图。并通过Harris角点检测得到图像的所有角点位置，计算角点坐标的平均值得到新的坐标，并假设新坐标就是显著性区域的中心位置。根据这个坐标可以得到关于中心先验的显著图。为了弥补Harris先验的不足，将背景先验引入算法模型，最后将对比度显著图与中心先验显著图以及背景先验显著图进行融合，最后得到图像的显著图。通过MSRA数据集，ECSSD数据集以及JuddDB数据集进行实验，将计算的结果与当前主流算法得到的结果通过两种不同的评价方式进行对比，PR曲线图以及F-measure图表明了基于先验融合的显著性检测算法相较于以往的算法，在准确度以及召回率有了较大的提升。