随着应用需求的发展，图像显著性特征提取这项新兴技术已吸引了大量研究人员的关注。图像显著性特征提取是一种模仿人类的视觉观察过程，提取人眼感兴趣区域的技术。它是图像分析，特征提取和探索人类视觉特性的综合过程，提取得到的显著区域对各种基于图像分析和理解的应用，比如图像摘要，检索和认证等都有着非常重要的意义。 本文从显著性检测的发展背景、研究意义、基本原理和研究现状等方面展开讨论，并围绕基于人眼视觉特性的显著性度量展开研究，取得了以下主要成果： 1.显著区的多尺度分级提取。结合视觉观察过程，提出了多尺度显著图分级显著区域提取方法。本模型改变了以往一层式的提取方式，建立多尺度显著图，并分级提取大小匹配的显著区域。基于人眼视区收缩和视点转移的特性，将观察的渐进过程分为焦点位置移动和焦点深度搜索两种子模式，并建立视觉关注树，更清晰地反映分级显著区域之间的关系和结构，而非固定的视点跳转路径。 2.基于HSV色彩空间的适应型显著区提取。改进了颜色特征的提取方法，提出基于HSV色彩空间的显著区域分级提取法。在HSV模型中提取更具有代表性的色彩对比信息，结合亮度产生分层显著图，并提取大小匹配的显著区域。我们又在该模型的基础上提出了适应型显著区域提取方法，结合最佳提取尺寸和显著性度量，降低数据冗余，更好地体现视觉的指导作用。 以上两种方法各有优势：第一种方法能较快较好地处理简单图像，但对复杂图像的性能不够理想。第二种方法大大改进了颜色特征的提取，能处理好对象繁多、背景复杂的图像，缺点是速度较慢。我们可以依照图像特性选择最合适的显著性提取方法。 本项研究得到国家自然科学基金项目“感知鲁棒的词典式结构图像Hash”(60773079)的资助。