当今信息技术领域，成像技术的快速发展使得人们所获得的图像尺寸持续增大、图像信息量明显提升。然而，对于一幅图像，人们所关注的图像信息往往只是其中的一小部分。如今大多数传统的图像处理技术基本都对图像进行全局处理，图像数据信息的海量提升使得其越来越无法适从。针对此问题，本文尝试引入视觉注意机制来检测出图像中的感兴趣区域，即图像的显著性检测。在图像处理过程中，若能首先获得图像中的感兴趣区域，进而在此局部区域进行细致的分析处理将会降低图像处理的计算复杂度，提升图像处理的效率。　　首先，本文介绍了显著性检测技术的理论研究基础，包括神经生理学、认知心理学以及视觉注意等相关方面的知识。对这些基础理论知识的研究将有助于我们更好地理解显著性检测技术的内部处理机制。　　其次，本文讨论了基于内容的显著性检测技术。针对两种算法检测速度过慢、检测效率低下以及检测效果不稳定的问题，提出了基于聚类与均匀分布的图像显著性检测算法。大量实验结果表明，改进后的算法能够兼顾图像全局信息，时间效率有了明显提升，且检测出的显著性区域更加符合人类视觉注意机制。　　最后，结合实际应用，本文将所提出的显著性检测算法应用于人脸检测。当场景中有大量的肤色区域时，传统的基于肤色的人脸检测算法容易出现误检现象。改进后的算法人脸检测性能得到了很大的提升，对静态人脸的检测率能达到96％。