随着科技的发展,近年来图像及视频数据量呈爆炸性增长,同时对此类数据的分析与应用需求也在迅猛增加。其中,从图像与视频数据中获取信息是一个重要的基础工程,相比起计算机,人类在信息感知方面有着先天的优势。人类能够迅速而精准地识别出图像与视频中的内容,提取重要信息并快速总结,而计算机在这方面目前仍没有快速而准确的模型。在计算机硬件性能快速提升,大数据处理与云计算高速发展的如今,人们希望机器能够像人一样处理海量图像与视频数据,由此诞生了视觉显著性分析检测模型的研究。视觉显著性模型即是通过建立计算机数学模型来模拟人类的视觉系统,从而在给定的图像与视频数据中提取人类普遍关注的重点。此类重点即为显著性区域,它们能直观地代表人类在观察图像与视频时获取信息的位置与特征。当前对于视觉显著性模型的构建主要基于图像中自底向上的低层特征,并通过融合高级别特征加以改进。在分析模型与数据时,主要使用热力图等可视化方法进行直观展示与对比。相关研究领域方面,显著性特征已在图像理解,图像描述生成等技术中得到了应用。视觉显著性研究领域的研究存在着诸多挑战与困难。首先从数据信息的角度出发,吸引人们关注的特征是未知的,这就需要我们从经验的角度出发,探索需要建立的模型应该包含何种特征,同时各种特征对于人眼关注度的影响程度也是未知的,需要通过具体的分析与实验来区分其权重。再者,视觉显著性数据的获取过程包括图像的选取以及人眼跟踪记录,对数据的观测与筛选。每一项的时间与成本开销都比较大,数据量增加的如今,我们需要探索更加合适的方法来获取数据,并通过可视化设计来合理展现与分析数据。最后,视觉显著性与诸多机器学习领域的研究存在交集,尤其是与图像描述所具有的重大关联性,探索视觉显著性与图像描述的内在联系,将显著性特征应用于增强图像描述生成模型之中是一个具有重要价值和挑战性的问题。本文旨在利用国内外已有的研究基础上展开研究,针对现有视觉显著性数据与模型方面的不足和难点,通过研究数据特点,不同级别上的特征,构建新的视觉显著性模型。同时本文在视觉显著性数据的展现方式,即可视化方法,以及与其它领域的相关性方面进行了研究与探索。本文的主要研究内容和贡献内容如下:1.提出了一种针对自然场景图像的视觉显著性模型,该模型可以检测并预测自然场景图像的视觉显著性区域。模型在传统的图像底层特征的基础上,引入了自然场景的结构信息作为特征,通过多核学习将多种特征进行融合,构建了在自然图像方面优于传统方法的视觉显著性模型。在构建模型的基础上,本文提出了一个全新的基于自然图像的视觉显著性数据库,为视觉显著性模型的研究和构建提供帮助和参考。2.提出了一种新的应用于视频视觉显著性数据的可视化方法。该方法结合传统的二维热力图与扫描路径方法,通过Space Time Cube将视频数据在三维空间上进行展示,同时捆绑二维投影数据与度量标准,在时空维度整体展现了视频的视觉显著性数据,方便了视觉显著性数据的分析与理解。3.提出了针对视觉显著性与图像描述的相关性分析。本文在大量数据的分析前提下,展现了视觉显著性与图像描述在不同级别的特征中的相关度与区别,同时提出了两种用于描述语句与视觉关注度分析的算法。最后提出了一种模型建立方法对视觉显著性与图像描述相关度进行分析与预测。本文通过上述研究,完成了基于视觉显著性的模型建立,数据分析,以及相关领域的结合分析等工作,提供了相应的研究结果,论证并评估了所提出方法的可用性和有效性,为视觉显著性领域的研究提供了重要的参考价值。