主动视觉是人类视觉研究的热点和发展方向,主动视觉核心内容是:为了完成给定视觉任务,如何主动、智能、有选择地来获取视觉信息;从计算观点来说,就是建立视觉选择性注意机制的计算模型,对图像数据进行显著性度量。在面向图像信息处理的视觉选择性注意机制的研究中主要存在三个方面的问题:如何从总体上设计一个实用的引入视觉注意机制的图像信息处理方法?如何从图像中找到符合人类视觉机制的注意焦点?如何将视觉注意机制应用于计算机图像信息处理之中?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。本文主要研究内容包括:(1)面向视频图像序列的视觉注意计算模型的研究。针对动态视觉场景,建立了一个面向视频图像序列的基于目标跟踪视觉注意计算模型。本文首先指出了Itti模型在动态场景中速度慢、计算复杂,难以满足实时性的要求;然后提出了一种基于目标跟踪的视觉注意计算模型,利用视频图像序列相邻帧之间的相似性,通过加权颜色直方图,以最大匹配度作为预测模型,得到下一帧注意焦点的位置。利用对注意焦点的跟踪,从而了降低计算量,更快地实现注意焦点的实时监测。(2)融合深度信息的视觉注意计算模型研究。本文针对隐式注意,建立了一个自下而上融合深度信息的视觉注意计算模型。根据神经科学的研究,本文选取亮度、方向、颜色以及深度信息四种特征。在基于图像分割的自适应立体匹配基础上提取深度特征,与亮度、方向、颜色特征相结合,实现空间显著性度量,并采用侧抑机制和WTA机制得到注意焦点。融合深度信息的视觉注意计算模型能更好的反映空间立体视觉信息对注意的影响,使模型的计算结果能更加的符合人类视觉。(3)将融合深度信息的视觉注意计算模型应用于图像压缩之中。为了提取自然图像中的主要视觉信息以便更好地对图像进行压缩,本文对如何利用视觉注意计算模型引导图像压缩进行了研究。首先利用融合深度信息的视觉注意计算模型计算图像中的感兴趣区域,然后用JPEG2000算法对感兴趣区域和背景区域采用不同的压缩比进行压缩,突出了感兴趣区域。实验证明本文算法的压缩率高于JPEG2000算法;同时保证了图像良好的视觉效果。将论文中提出的各种方法和算法分别应用于多种类型的图像,都获得了较为满意的结果。