遥感影像的感兴趣区检测是遥感与信息交叉学科的重点、难点问题,无论在军事领域还是民用领域,都具有重要的理论研究意义与实际应用价值。传统遥感影像的感兴趣区检测多利用先验知识库对整幅图像进行全局搜索,存在计算复杂度高、存储开销大等缺点,在高空间分辨率遥感影像中,问题更加突出,因此,本文提出一种新的基于视觉注意模型的高空间分辨率遥感影像感兴趣区检测方法。主要特色及创新之处包括如下三个方面:　　 第一,针对高空间分辨率遥感影像数据量庞大,地物信息丰富、复杂的特点,引入自底向上视觉注意模型进行感兴趣区检测。新方法无需任何先验知识库,同时避免了图像分割、特征提取等计算复杂度较高的全图搜索方法；充分利用人眼视觉选择注意机制提取图像中的显著性特征,完成感兴趣区检测。　　 第二,提出“自适应空间降维”策略,利用高空间分辨率遥感影像中大部分显著性较高区域在中、低分辨率遥感影像中仍具有较高显著性的特点,在自底向上的视觉注意模型中引入降维预处理算法,首先根据图像分辨率大小,自适应调整降维阶数,然后对降维后的图像进行特征图提取、显著图合成以及注意焦点检测,最后在原始图像中确定注意焦点并描述感兴趣区域。　　 第三,传统自底向上的视觉注意模型利用半径固定的圆来描述感兴趣区域,在高空间分辨率遥感影像中存在冗余信息多,描述精度低等缺点,本文在“自适应空间降维”策略的基础上进一步引入“可变半径搜索”算法,利用圆形显著区域的灰度均值与关注焦点灰度的比值调节圆形显著区域的半径,更为准确地获取感兴趣区域。　　 “自适应空间降维”策略在保证注意焦点检测精度的前提下,有效降低了感兴趣区检测的计算复杂度与存储开销。“可变半径搜索”算法进一步提高了感兴趣区域的检测精度,减少了冗余信息。实验结果显示,本文算法的时间消耗仅为传统自底向上模型的1％-2％。新算法对今后遥感影像分析与处理具有重要的理论与实际应用价值。