Este trabajo presenta un enfoque estadístico bayesiano para el problema de estimación del mapa de saliencia. Específicamente, formalizamos el problema de estimación del mapa de saliencia en el marco markoviano totalmente automático. La contribución principal y original del modelo bayesiano-markoviano propuesto radica en la explotación de un modelado de píxeles en pares y un modelo de verosimilitud basado en una mezcla paramétrica de dos distribuciones de verosimilitud condicional de clase diferentes cuyos parámetros se estiman de manera adaptativa y previamente para cada imagen. Esto nos permite adaptar nuestro modelo de estimación de saliencia a las características específicas de cada imagen del conjunto de datos y proporcionar un procedimiento de estimación de mapa de saliencia no supervisado casi libre de parámetros, por lo tanto, independiente del conjunto de datos. En nuestro caso, los parámetros del modelo de verosimilitud se estiman todos bajo los principios del marco de estimación condicional iterativa. Una vez completado el paso de estimación, la solución MPM (marginal posterior máximo) del mapa de saliencia (que mostramos como particularmente adecuada para este tipo de estimación) se estima luego mediante un esquema de muestreo estocástico que aproxima la distribución posterior (cuyos parámetros fueron previamente estimados). Este marco markoviano basado en datos no supervisado supera las limitaciones de los modelos actuales ad hoc o supervisados basados en energía o markovianos que a menudo involucran muchos parámetros para adaptar y que están finamente ajustados para cada base de datos de referencia diferente. Los resultados experimentales muestran que el algoritmo propuesto tiene un rendimiento favorable frente a métodos de vanguardia y resulta ser particularmente estable en una amplia variedad de conjuntos de datos de referencia.