随着科学的进步与技术的发展，遥感图像中包含的信息量越来越多，能否有效处理图片中的信息并将其应用到实际中去显得尤为重要。因此，愈来愈多的学者将关注点放在如何准确而高效提取感兴趣区域。 显著性检测，即从一幅图片中判断出人眼感兴趣的区域，这类似于人眼的选择性注意机制。鉴于其快速有效性，显著性检测被广泛应用于目标检测、图像检索、目标跟踪、图像分割及图像编辑技术等领域。从遥感图像中提取出机场目标，可以为军事侦查、机场建设以及土地利用等方面提供技术支持。目前已有的显著性检测模型主要都是基于生物模型，频域，和统计等，针对于单幅图像进行的处理。但是在实际情况中，为了获得更加准确详细的信息，卫星在拍摄图像时，会在相近位置连续拍摄多张图。考虑图像中的相似性，通过使用联合显著性的方法，可进一步提高提取效率和精度。 联合显著性检测，是一种利用图像间相似性，减少显著性计算复杂度，并提高检测准确性的算法。当一组图像中显著性区域中非机场区域过多时，联合显著性分析结果可能会出现偏差，而当一幅图像中包含非机场显著性区域时，单图显著性结果可能会出现偏差。先得到单图显著性结果，再进行联合显著性分析，最终得到的显著图，可准确提机场。 针对以上想法，本文提出一种基于联合显著性分析的机场检测模型，其关键在于在进行联合显著性分析前先对一组图片进行单图显著性分析。进行单图显著特征分析时，采用了前背景知识相结合的办法，即得到一组图像中各单幅图 II 像的前景区域后再使用背景先验的方法，可进一步精确提取机场目标；得到单图检测结果后，再进行多图显著特征分析，得到最终的显著性检测结果。其中，在进行多图显著特征分析时，是分别在RGB和CIELAB颜色空间，采用聚类方法二分法K-means，再结合形状对比度与颜色直方图，给分类后的每个簇赋显著性值，得到联合显著性图。当这一组图像中包含非机场目标时，可有效将其排除。 由此可见，最终得到的显著性检测结果不仅排除了干扰图片，还提高了检测准确率。