随着信息技术的发展,图像成为主要的信息载体,由此带来的越来越多的图像数据给人工处理造成了巨大困难,这使得计算机图像信息处理成为人们关注的焦点。我们注意到,在各种图像分析与理解任务中,感兴趣的内容通常仅是整幅图像中的很小一部分,因此,通过引入和研究人类视觉的选择性注意机制来提高计算机图像信息处理的效率就成为当前的一种迫切需求。 在面向图像信息处理的选择性注意机制的研究中主要存在三方面的问题:如何从总体上设计一种实用的引入选择性注意机制的图像信息处理方法?如何从图像中迅速找到感兴趣的内容,即注意焦点?如何在注意焦点的引导下高效地完成图像分析与理解任务?本文主要针对这些问题展开研究,并取得了一些有价值的研究成果。 论文的第一部分着重讨论基本处理思想。以人类视觉和注意机制的心理学理论为基础,提出了一种围绕选择性注意机制的图像信息处理方法,将图像信息处理过程划分为注意前期、注意期和注意后期这三个阶段,分别对应图像信息的采集与编码、注意焦点的检测以及注意焦点的解释这三项连贯工作。 论文的第二部分着重讨论注意焦点的选择问题,详细描述了注意前期和注意期的具体信息处理情况。在注意前期,提出了一种简单图像特征提取方法,将单幅原始图像并行分解为多幅彼此分离的特征图。在注意期,分别研究了自底向上和自顶向下这两种类型的注意焦点检测问题:首先,提出了一种独立于任务的自底向上的图像注意焦点检测方法,采用依次进行的尺度、特征、方位和尺寸竞争确定注意焦点的基本属性,并通过该过程的循环往复连续获得一系列具有新异性的注意焦点;随后,提出了一种依赖于任务的自顶向下的图像注意焦点检测方法,根据当前任务建立注意焦点模型,通过注意焦点模型控制和调节各种数据竞争关系,并通过循环往复的层次竞争连续获得一系列与当前任务相关的注意焦点。 论文的第三部分着重讨论注意焦点的应用问题,详细描述了注意后期的具体信息处理情况。首先,将选择性注意机制应用于图像分割,综合注意焦点选择技术和传统的基于区域生长的分割过程,提出了一种新的具有选择性的图像分割算法;然后,将选择性注意机制应用于目标识别,综合注意焦点选择技术和传统的基于符号的识别过程,提出了一种新的具有选择性的目标识别算法。在这两种算法中,计算资源在选择性注意机制的引导下进行分配,降低了信息处理的计算量,提高了图像分析的效率。 将论文中提出的各种方法和算法分别应用于多种类型的真实图像,都获得了较为满意的实验结果。