針對現(xiàn)有顯著性檢測方法檢測出的顯著性區(qū)域內(nèi)質(zhì)不均勻、邊界不夠清晰準(zhǔn)確的問題，提出了一種基于復(fù)雜網(wǎng)絡(luò)圖節(jié)點重要性評估策略以及空間自相關(guān)的顯著性檢測方法。首先，結(jié)合顏色信息、空間信息，利用復(fù)雜網(wǎng)絡(luò)節(jié)點中心性法則以及空間自相關(guān)指示系數(shù)，生成多準(zhǔn)則下的顯著性初始圖；然后，利用D-S證據(jù)理論融合多幅初始圖，通過將邊界強度信息加入到遞進(jìn)優(yōu)化的二級元胞自動機，從而得到最終顯著性區(qū)域結(jié)果。在兩個公開圖像數(shù)據(jù)集上對所提方法主體過程各模塊進(jìn)行了單步有效性驗證，并與其他現(xiàn)有顯著性檢測方法進(jìn)行視覺定性、客觀定量以及算法效率的實驗對比。實驗結(jié)果表明，所提方法單步各模塊具有有效性，且在顯著性視覺效果，以及準(zhǔn)確率一召回率（ P-R）曲線、F-measure值和平均絕對誤差（MAE）、算法耗時的綜合結(jié)果上優(yōu)于其他算法，特別是與所提方法密切相關(guān)的BSCA算法。同時，視覺對比實驗的結(jié)果也驗證了所提方法能夠有效改善由于顯著性物體與圖像背景差異小、顯著性物體內(nèi)部顏色不一且差異大而產(chǎn)生的內(nèi)質(zhì)不均和邊界不明確的不理想結(jié)果。

　　隨著圖像處理技術(shù)的推進(jìn)和計算機視覺應(yīng)用的拓展，利用計算機來完成圖像或視頻的處理任務(wù)變得更為復(fù)雜。人們在進(jìn)行高級視覺處理之前，通常會選擇先排除大量冗余的信息從而提取出最需要著重關(guān)注的部分一顯著性區(qū)域。顯著性區(qū)域檢測作為計算機視覺處理的一個重要的預(yù)處理步驟，在圖像領(lǐng)域逐步得到廣大研究者的關(guān)注。顯著性檢測能夠減少場景計算的計算量和復(fù)雜度，準(zhǔn)確地捕捉到圖像中的核心信息，感知大量信息中最主要的內(nèi)容，廣泛應(yīng)用于圖像分類。圖像拼接、圖像分割和目標(biāo)檢測等領(lǐng)域。