本发明公开了一种基于全卷积神经网络与低秩稀疏分解的感兴趣区域检测方法，包括：1)对原图像进行超像素聚类，并提取每个超像素的颜色、纹理和边缘特征，据此构成特征矩阵；2)在MSRA数据库中，基于梯度下降法学习得到特征变换矩阵；3)在MSRA数据库中，利用全卷积神经网络学习得到高层语义先验知识；4)利用特征变换矩阵和高层语义先验知识矩阵对特征矩阵进行变换；5)利用鲁棒主成分分析算法对变换后的矩阵进行低秩稀疏分解，并根据分解得到的稀疏噪声计算显著图。本发明作为图像预处理过程，可以被广泛的应用到视觉跟踪、图像分类、图像分割和目标重定位等视觉工作领域。