视觉信息是人类感知和认识世界的主要信息来源。对视觉系统信息处理机制的研究是脑与认知科学的重要组成部分。近年来，随着对视觉信息加工机制的不断深入了解，结合视觉机制研究和开发智能图像处理方法越来越受到研究者们的关注。其中，基于视觉机制的选择性注意模型研究就是当前的研究热点。显著性区域检测能为目标检测，图像压缩等图像处理任务提供有力的支持。同时，基于视觉机制的建模可进一步帮助理解视觉系统的计算原理。本文利用视觉系统的信息处理机制和基本的图像分析手段，对自底向上的视觉注意模型进行深入的探讨和分析。本文前部分，主要讨论了多种视觉特征并证明不同特征在不同场景图片的中所起到的作用是不同的。研究发现，人类在注视一幅场景图时较容易被图片中的某一区域所吸引，这部分大多是特征较明显的区域，因此对特征的分析是必要的。我们通过实验和计算相结合的方法发现，不同特征在不同图像库中所起到的作用是不同的，为下面的研究奠定了基础和提供了一种有效的评价方法。基于对各种图像特征以及传统Itti注意模型的深入研究，本文建立了一个基于Itti模型之上的并对其改进和完善的模型。对Itti模型进行改进和完善，主要包括：引入高阶图像特征（IOC变化率），表达图像的显著信息，反应特征的高阶统计性；改进金字塔特征空间，提高算法效率，扩展更多的显著性区域；改进多特征图整合机制，使用更符合生理机制的MAX整合；加入了更符合人类观察策略的中央偏置现象。最后对模型处理结果使用了直接对比观察的方法和4种不同的定量计算方法，将本文的模型和一些经典的模型进行全方位的比较，结果显示本文提出的计算模型在性能上大幅提高。