图像检索技术一直是一个非常活跃的研究热点,其在各领域中得到广泛的应用。近年来,边界先验和背景信息在目标检测进程中已被采用。论文根据背景提取出目标区域,先将背景标识出来,剩余部分就可被认为是目标区域。如何将图像中的显著区域快速准确地提取出来,是这篇论文研究的重点。论文做了以下工作:第一、在已有的边界先验和背景信息的基础上,改变了边界先验的约束范围,即,一个图像小块是背景当且仅当它很大程度上连接到图像边界,而与边界些微相连的图像小块很有可能是目标。我们将其作为一个新的度量,代替了图像边界是背景或者一个很容易连接到图像边界的图像小块是背景的假设。较现有的边界先验用法更具有鲁棒性。第二、利用计算过程中得到的影响因素公式,引入置信度量,在得到的显著图上进行了同步传播更新,使得相邻像素间的关联性加强,从而使得显著性目标更加高亮,同时边缘处更加清晰。通过实验,验证了论文算法较好的解决了原有算法中显著性轮廓不清晰的缺陷。第三,根据贝叶斯公式,引入贝叶斯融合机制,将自动更新得到的显著性图和基于背景检测的测地线优化算法(OR算法)得到的显著图有效的融合,得到了轮廓更加清晰、内部更加均匀致密的显著性图。最终结果与当前的其他算法相比,在同一数据集上,具有一定的优越性。