在数据日益膨胀的信息化社会里,图像数据的处理已成为一个日益显著的问题。而实际需要处理的图像数据只是整个图像数据集合的很小一部分。因此,将利用人类视觉注意机制构建的视觉注意模型引入到目标检测等图像处理领域具有重要的意义。本文主要对视觉注意模型的构建及其在目标检测中的应用进行了研究,主要工作有：(1)提出了一种基于离散余弦变换的谱残差的视觉注意模型。这是基于Hou等人所提方法的一种改进模型,它根据不同图像提取了颜色,强度和方向特征作为初级视觉特征,然后利用基于离散余弦变换的谱残差方法获取各特征的特征显著图,各特征显著图通过非线性组合形成总显著图引导注意,寻找图像中的感兴趣区域。各兴趣区域的转移采用了基于掩膜的方法。与Hou等人的方法进行比较,结果表明,本模型能有效地获取图像的显著图并检测出图像中的感兴趣区域。(2)提出了基于视觉注意模型的静态图像目标检测方法和图像序列目标检测方法。该方法利用视觉注意模型生成的显著图的显著性信息和注意焦点的转移进行目标检测。实验结果表明所提出的检测方法具有较好的检测效果,并具有较高的检测效率。(3)提出了一种基于二进小波变换的视觉注意模型。该方法首先对各初级视觉特征进行一层二进小波分解,并得到小波的模,然后去除模中包含的冗余信息以获取各特征显著图,最后进行非线性组合得到总显著图。该模型解决了基于离散余弦变换的谱残差的视觉注意模型对背景干扰敏感的问题。