针对现有算法检测出的显著性区域内质不均匀、边界不够清晰准确的问题,提出了一种基于复杂网络图节点重要性评估策略以及空间自相关的显著性检测方法。该方法结合颜色信息、空间信息,利用复杂网络节点中心性法则以及空间自相关指示系数,生成多准则下的显著性初始图,并利用Dempster-Shafer(D-S)证据理论融合多幅初始图,通过将边界强度信息加入到递进优化的二级元胞自动机,从而得到最终显著性区域结果。在两个公开图像数据集上对算法主体过程各模块进行了单步有效性验证,并与6种现有显著性检测方法进行视觉定性、客观定量以及算法效率的实验对比。实验结果表明,所提方法单步各模块具有有效性,且在显著性视觉效果以及P-R曲线、F-measure、MAE、算法耗时的综合结果上优于现有6种算法,特别是与本文密切相关的BSCA算法。另外,实验结果也证明了所提方法能够有效改善由于显著性物体与图像背景差异小、显著性物体内部颜色不一且差异大而产生的内质不均和边界不明确的不理想结果。