当前，随着信息技术的发展，图像已成为主要的信息载体，图像数据规模变得越来越大。面对如此庞大的图像数据，如何高效地处理计算机图像信息己经成为人们研究的热点。视觉注意机制可以对计算资源进行合理的分配，提取和图像分析任务有关的内容并进行优先处理，提高了图像信息处理的效率。因此，视觉注意机制在图像处理中具有非常重要的应用价值。现有的视觉注意模型大多是基于场景的二维信息进行计算的，通常只考虑图像的颜色、亮度和方向特征对人类视觉注意的刺激作用，忽略了其他视觉特征如深度信息对人类视觉注意的影响。鉴于此，本文结合深度信息对人类视觉注意的影响，提出了两种融合深度信息的视觉注意模型，并应用到立体视频处理中，进行显著对象检测与目标分割。具体包括以下几个内容：首先介绍了立体匹配中的局部匹配方法和Graphcuts全局匹配方法，结合实验确定了以Graphcuts作为提取深度信息的方法。提出了一种融合深度信息的Itti模型。该模型结合场景的深度信息对人类视觉注意的影响，首先将立体图像对中的左图像和深度图进行Itti模型计算得到对应的左图像显著图和深度信息显著图，然后采用全局加强法对得到的两幅显著图进行融合得到视觉注意显著图。实验结果表明，与传统的Itti模型相比，该模型可以检测到更多的显著信息，符合人类视觉感知的要求，有一定的可行性。提出了一种基于全局对比度的融合深度信息的视觉注意模型。通过基于全局对比度的视觉注意计算方法，该模型对立体图像对中的左图像和深度图分别进行计算得到对应的左图像显著图和深度信息显著图，然后采用全局加强法对得到的两幅显著图进行融合得到视觉注意显著图。实验结果表明，该模型可以检测到比较完整的显著性物体，与传统的基于全局对比度的视觉注意检测方法相比，有更好的检测效果，体现了深度信息对人类视觉注意的影响。将基于全局对比度的融合深度信息的视觉注意模型应用到立体视频处理中，分别进行显著对象检测与目标分割。实验结果表明，该方法得到了较好的显著对象检测效果图以及目标分割效果图，为立体视频中的显著对象检测与目标分割提供了一种新思路。