1.一种基于视觉感知正反馈的显著性检测方法，其特征在于：包括以下步骤：
1)利用已有的多种显著性检测方法(显著性检测1～n)初步检测图像显著度图(模拟多通道视觉感知)；
2)叠加感知结果，生成新的综合显著度图。阈值法二值化该图，可形成二值注视区Ip(模拟人眼注视)；
3)重复采集Ip注视区内外的少量像素样本，经学习/训练，并行构建多个RVFL神经网络模型(模拟人脑神经网络)；多个神经网络模型分类像素，经(投票法)集成形成二值目标输出BW；
4)BW作为一种神经发放脉冲，返回步骤2)与综合显著图做叠加(形成新显著图)，形成迭代循环；
5)迭代中，若正反馈环节的输入Ip与输出BW基本相同，表明感知饱和，迭代停止。Ip或BW即为图像中的最显著目标分割结果。
2.根据权利要求1所述的基于视觉感知正反馈的显著性检测新方法，其特征在于：模拟注视眼动对注视区域的重复扫描与视觉感知饱和/衰减过程，构建了一种新的显著性检测算法，是具有动态反馈环节的显著性检测方法。该方法借助前馈神经网络模拟人脑，通过“在线采样-学习建模-像素分类”过程产生视觉刺激，利用迭代和视觉感知饱和来仿真“微跳视”过程，从而构建一种动态、正反馈的算法框架，能获得更接近人类感知的视觉显著性图，同时还可获得最显著目标分割结果。
3.根据权利要求1或2所述的基于视觉感知正反馈的显著性检测新方法，其特征在于：用几种显著性检测算法分别获得显著度图，做归一化后进行叠加，来模拟人类多通道视觉感知特性。叠加结果形成综合显著图，对该图进行(大津法)二值化，可形成初始注视区域，进行视觉感知正反馈迭代循环。