显著区域的检测是图像处理、模式识别、计算机视觉及认知科学等领域中近年来的研究热点之一，在理论研究和实际应用中都有重要意义。本文深入研究了当前国内外主要的显著区域检测算法；提出了能够准确提取区域边界的多尺度的显著区域检测算法。　　 深入研究了自下而上和自上而下两大类显著区域检测算法，分析了视觉注意机制在显著区域检测中的作用，并在原理，适用性和检测效果等方面对几个有代表性的算法进行了详尽的分析与比较。　　 针对现有显著区域检测算法中存在的区域边界提取不准确、尺度单一等不足，提出一种基于分割的多尺度检测算法。在自下而上的多尺度分割过程中，每一尺度上都利用显著性来衡量各区域的引起视觉刺激的强烈程度，将检测到的显著区域作为种子节点保留进入下一层分割，显著性低的区域则不断合并。随着区域的不断合并，显著区域会在相应尺度被检测到，同时，作者也通过分割算法获得了位置和准确的边界信息。算法框架有较好的扩展性，可以利用图像的多尺度特征如纹理、颜色等改善检测效果。