針對(duì)現(xiàn)有顯著性檢測(cè)方法檢測(cè)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(wèn)題，提出了一種基于復(fù)雜網(wǎng)絡(luò)圖節(jié)點(diǎn)重要性評(píng)估策略以及空間自相關(guān)的顯著性檢測(cè)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(diǎn)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(guò)將邊界強(qiáng)度信息加入到遞進(jìn)優(yōu)化的二級(jí)元胞自動(dòng)機(jī)，從而得到最終顯著性區(qū)域結(jié)果。在兩個(gè)公開(kāi)圖像數(shù)據(jù)集上對(duì)所提方法主體過(guò)程各模塊進(jìn)行了單步有效性驗(yàn)證，并與其他現(xiàn)有顯著性檢測(cè)方法進(jìn)行視覺(jué)定性、客觀(guān)定量以及算法效率的實(shí)驗(yàn)對(duì)比。實(shí)驗(yàn)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(jué)效果，以及準(zhǔn)確率一召回率（ P-R）曲線(xiàn)、F-measure值和平均絕對(duì)誤差（MAE）、算法耗時(shí)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(shí)，視覺(jué)對(duì)比實(shí)驗(yàn)的結(jié)果也驗(yàn)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(jì)算機(jī)視覺(jué)應(yīng)用的拓展，利用計(jì)算機(jī)來(lái)完成圖像或視頻的處理任務(wù)變得更為復(fù)雜。人們?cè)谶M(jìn)行高級(jí)視覺(jué)處理之前，通常會(huì)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(cè)作為計(jì)算機(jī)視覺(jué)處理的一個(gè)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(cè)能夠減少場(chǎng)景計(jì)算的計(jì)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(lèi)。圖像拼接、圖像分割和目標(biāo)檢測(cè)等領(lǐng)域。