随着智能终端与互联网技术的快速发展,使得图像和视频等多媒体数据呈现高速增长。面对这些大数据量的图片,如何让计算机理解图像场景的内容,智能的批量处理、快速的检索查阅、按标准分类图像等是现在计算机视觉领域的热点研究方向。其中使计算机智能化处理图像中最为基础和重要的步骤就是图像的显著性目标检测,这项应用对目标进行识别、分类、跟踪等后续的研究具有推动作用。视觉显著性检测的目的就是在图像中快速定位到人类视觉系统的感兴趣区域,从而能够有效的减少图像数据内容,在随后的处理中有倾向性地快速对该区域进行更复杂的处理。本文基于认知心理学、神经生物学有关人类视觉系统的视觉注意机制的理论,提出了一种基于条件随机场的背景先验特征融合的算法,提高了显著性区域的完整性。本文的主要工作与贡献如下:(1)分析了图像显著性检测的研究背景和现状。从认知心理学、神经生物学角度阐述了视觉注意机制、视觉显著性等概念,从图像角度介绍了颜色、纹理、形状特征和超像素分割算法等基本概念,简要分析学习了经典的显著性检测算法创新性。(2)背景信息特别是边缘区域和图像前景存在较大的差异,是相对可靠的图像先验信息。本文利用超像素分割技术将图像信息高效地分割成若干形状均匀的局部超像素区域。基于中心-周边先验原理,从图像边缘超像素区域块中提取背景先验模板,对比全图从而计算得到基于唯一性、稀疏性、致密性的背景先验特征。最后利用条件随机场的融合框架,将三个背景先验特征作为输入值,进行数据融合后得到最终的显著性图。在本文提出的数据集进行检测实验,通过和国内外领先和典型的15种算法的检测结果对比,证实了本文算法的准确性与鲁棒性。