面对庞大的视觉信息时,人类视觉系统能够高效地优先处理复杂场景中的有效信息,这种自主选择的过程被称为视觉注意力机制,该机制保证了人类能够快速、准确、有效地完成各种视觉任务。为了模拟人类的视觉注意力机制,生理学、心理学以及计算机视觉领域的专家学者付出了巨大的努力,提出了许多视觉显著性的计算模型。在显著性检测的过程中,由于计算视觉差异的方法不同,显著性模型的检测结果也有很大的差异。如何根据生理学和心理学知识设计出满足实际应用需求的视觉显著性检测模型值得深入研究。首先,本文介绍了国内外视觉显著性的研究现状,介绍了人类视觉系统的生理学结构和人类视觉感知和认知的过程;总结了目前常用的自底向上和自顶而下两类视觉显著性检测模型;介绍了视觉显著性检测领域的常用数据库和评价方法。然后,本文引入认知心理学中的布尔图理论,提出了一种以区域为计算单元的显著性检测框架。该框架通过布尔图实现对图像的连续分割;计算连通区域的颜色距离和空间距离作为该区域的显著值;对特征通道内的显著子图单一线性融合、特征通道间的显著图采用竞争融合策略。框架内各个部分既可以采用自底向上的方式实现,也可以由先验知识指导地自顶而下的完成,这使得本文框架具有灵活性,面对不同的检测任务时,可以按照任务要求设计出相应的检测算法。最后,应用本文提出的检测框架,我们设计实现了自底向上的自然图像显著性检测算法和自顶而下的心脏图像分割算法。实验表明,两个算法在各自的数据库上都有优异的性能表现,可以满足各自任务的要求,这也证明了本文算法框架的有效性和通用性。综上所述,本文引入布尔图理论,提出了一种视觉显著性检测的通用框架。该框架面对不同的任务需求时,可以实现自底向上和自顶而下的显著性检测。最后应用本文框架,设计实现了自然图像显著性检测算法和心脏MR图像分割算法,并在相关的数据库上验证了各自的有效性。本文框架在视觉显著性检测领域做了新尝试,提供了一些新思路。