針對現(xiàn)有的基于引導學習的顯著性檢測模型存在的訓練樣本不純凈和特征提取方式過于簡單的問題，提出一種改進的基于引導（ Boosting）的算法來檢測顯著性，從提升訓練樣本集的準確度和改進特征提取的方式來達到學習效果的提升。首先，根據(jù)顯著性檢測的自底向上模型產(chǎn)生粗選樣本圖，并通過元胞自動機對粗選樣本圖進行快速有效優(yōu)化來建立可靠的引導樣本，完成對原圖的標注建立訓練樣本集；然后，在訓練集上對樣本進行顏色紋理特征提取；最后，使用不同特征不同核的支持向量機（SVM）弱分類器生成基于Boosting學習一個強分類器，對每幅圖像的超像素點進行前景背景分類，得到顯著圖。在ASD數(shù)據(jù)庫和SEDI數(shù)據(jù)庫上的實驗結果顯示該模型能對復雜和簡單的圖像生成完備清晰的顯著圖，并在準確率召回率曲線和曲線下面積（AUC）測評值上有較大提升。由于其準確性，能應用在計算機視覺預處理階段。