提出了基于纹理粗糙度的红外图像显著性检测算法, 以解决红外图像对比度低, 目标显著性检测难的问题。首先, 研究了Tamura的粗糙度原理, 对粗糙度进行分析和评价, 提出了新的粗糙度计算方法。然后, 将图像分解为超级像素集合, 并计算超级像素的最大平均强度差; 利用最大平均强度差定义超级像素的最佳尺度, 作为纹理粗糙度的度量。最后, 将超级像素区域均匀外延, 利用粗糙度的局部对比度和灰度信息度量红外图像的显著性。通过实验验证了本文算法的有效性, 结果表明: 在10%的噪声水平下, 本文粗糙度保持不变,粗糙度特征图一致性较好, 而Tamura的粗糙度特征图中杂点明显增多。与其它显著性检测算法对比, 本文算法击中率最高, 为0.752。该算法挖掘了红外图像的纹理粗糙度特征, 为红外图像显著性检测提供了新的特征选择。