随着信息技术的飞速发展，图像数据的规模和复杂程度在不断增加，大数据时代对图像处理提出了新的要求。显著性检测技术作为图像领域研究的热点之一，逐步成为提高图像数据筛选能力的重要途径。基于视觉注意机制的显著性检测技术对于研究信息处理、人工智能、计算机视觉等领域的发展有重要的意义。首先介绍了显著性检测的基本理论，分析了视觉信息的传递过程以及两种视觉注意机制模式。研究了经典的Itti模型以及CA、GB、MZ、RC、SR五种典型的显著性检测方法，并进行实验仿真。其次针对传统的显著性检测方法易造成边界模糊以及应用中央-周边差进行图像检测时，感兴趣目标的内部纹理会破坏目标的整体性的问题，提出了一种基于纹理抑制和连续分布估计的显著性检测方法。先对图像进行双边滤波的预处理，以平滑目标以及背景区域内部的纹理扰动，保留目标与背景之间的主要边缘。再采用SLIC超像素分割算法，对图像中具有相同特征的像素进行分组，通过多维正态分布提取分割区域的特征，利用二范数Wasserstein距离计算区域相似度：结合局部显著性检测以及全局显著性检测实现目标区域的提取。实验结果表明，本文的方法能够较好地提取显著性目标区域。最后对全文进行了总结和展望。