灵长类动物的视觉有非常惊人的识别能力,可以在复杂的自然环境中,快速而准确地识别出目标。如何借鉴生物视觉系统的神经机制来设计计算机视觉模型在近年来受到越来越多的关注。视觉显著性研究是计算机视觉研究中的热点问题之一。视觉显著性是指能在视觉环境中感知突兀区域的能力,即在场景中能明显引起人注意的区域是显著的。目前的研究中,视觉显著性的方法有很多种,但仍存在或多或少的不足。本文提出了一种基于自然场景统计特性的视觉显著性模型,该模型是在生物视觉研究的基础上提出的。不同于图像特征描述的显著性度量方法,该模型用给定周边下中心的条件概率来定义显著性测度,即中心在其周边区域中出现的概率越小则越显著。主要步骤包括：从自然场景图像库中抽取中心-周边(center-surround)图像块,经过独立成分分析(ICA)得到各独立成分(ICs),然后计算条件概率分布,再通过广义高斯分布拟合,得到条件概率分布的参数,最后通过显著性定义公式来分别计算显著性。本文分别研究了静态自然场景和动态自然场景序列的显著性。为了测试本文模型的显著性检测效果,分别与目前已有的一些算法进行比较,采用接受者操作特征(ROC)值和KL散度两个参数来评估算法的性能。实验结果表明该模型能很好地预测人的眼动。