众所周知,动物视觉系统能够轻易并且高效的从复杂的背景中识别出显著性的区域,然而在计算视觉系统中,如何有效并且鲁棒地获取最显著的区域仍是大家感兴趣的问题。一幅图像中的显著性区域是指最能够说明这幅图像的内容的部分,并且最引起人们视觉关注的部分。本文提出一种融合上下文信息和背景信息的显著性检测方法,与以往单独运用上下文信息或者背景信息的显著性检测方法不同,本文在上下文信息和背景知识上选择一个合适的结合点,使得两种显著性方法都能够对最终的显著性检测贡献正能量。首先,在预处理图像的时候,我们使用了两种将图像分块的方法,其中一种是不规则的分块,即图像块大小差距很大,但图像块的边界和图像中显著性目标的边界是相似的；另一种是规则的分块,即图像块的大小几乎相同,每个块内的颜色空间信息相似,这种分块好处在于块内信息可以用中心点像素的信息代替。第二,我们介绍一种基于上下文信息的显著性检测方法和一种基于背景的显著性检测方法并提出一种基于背景的显著性检测方法。第三,我们提出一种能够更好的抑制背景同时保留前景的高通滤波器,在此基础上,通过两种方法的融合达到更好的效果。最后,我们改进了贝叶斯框架下的凸包检测方法,使得凸包能够更准确的定位到显著性物体的区域。我们把最终获得的显著图和几种主流的显著性检测方法获得的显著图在一个国际公开的数据集上进行对比,实验结果表明,我们提出的方法能够获得较好的效果。