用于检测遥感图像中视觉上显着区域或目标的传统方法是不准确的，并且在计算上过于复杂。 在这封信中，提出了一种基于频域分析和显着区域检测（FDA-SRD）的快速，有效的感兴趣区域提取方法。 首先，使用HSI变换对从RGB空间到HSI空间的遥感图像进行预处理。 其次，采用基于四元数傅里叶变换的频域分析策略快速生成显着图。 最后，通过基于高斯金字塔的自适应阈值分割算法描述显着区域。 与现有模型相比，新算法的计算效率更高，并且提供了更直观的检测结果。

显着物体检测是许多计算机视觉应用程序的基本技术。 在本文中，我们提出了一种自适应计算模型来检测彩色图像中的显着物体。 首先，采用三种人类观察行为和可扩展的减法聚类技术构建注意力高斯混合模型（AGMM）和背景高斯混合模型（BGMM）。 其次，采用贝叶斯框架将每个像素分为显着对象或背景对象。 第三，利用期望最大化算法根据检测结果更新AGMM，BGMM和贝叶斯框架的参数。 最后，重复分类和更新过程，直到检测结果发展到稳定状态。 在各种图像上的实验证明了该方法的鲁棒性。 大量的定量评估和比较表明，所提出