视觉注意机制是人类感知外部世界的重要手段之一。利用数学模型将视觉注意机制引入到计算机视觉中来模拟人类的视觉感知系统,是计算机视觉领域研究的热点。视觉注意模型的研究不仅有助于人类更好的探索人类视觉注意工作机理,而且对解决大规模数据筛选,提高图像处理效率有着十分重要的意义,在运动目标检测、机器视觉、图像信息匹配、图像压缩等领域具有重要的应用价值。本文在研究人类视觉感知机制和计算机视觉领域相关理论基础上,提出了一种改进的注意模型。该模型首先在Itti模型的基础上,加入了轮廓特征图,提高了模型的识别能力。根据人类视网膜细胞在亮度不同的环境中对颜色和亮度的敏感度发生变化这一特点,提出了自适应的特征图合并策略,更加符合人类视觉特点。针对Itti模型局限于静态图像处理的不足,引入运动目标的注意机制,使其适用于动态图像的注意。试验结果表明,改进的视觉注意模型提高了识别能力,扩展了应用范围,更好的模拟了人类在不同环境下视觉的转移顺序。针对图像处理中存在的运算数据量大、存在大量重复运算及数据耦合性低等特点,设计了一款32位向量处理器。利用时延Petri网模型解决了向量处理器流水线中的结构相关、控制相关和数据相关。该模型给出计算流水线所需停顿周期数的具体算法,根据所建模型中使用权的状态得出数据前递需要具备的条件。应用该算法计算流水线所需停顿周期数来消解冲突,并通过对向量处理器指令仿真时序图的分析验证了结果的正确性。通过比较不同平台对图像进行相同算法的运行时间,证明了向量处理器在图像处理中具有明显优势。本文还提出一种基于视觉注意模型的运动目标检测算法。采用视觉注意模型对视频序列进行预处理,找到感兴趣区域作为目标检测的候选区域。再利用颜色和形状匹配算法对候选区域进行目标匹配。对网球运动视频进行实验,结果表明该算法在目标的颜色和形状比较单一且在背景中显著性高的的情况下能够很好的对目标进行识别。