图像分割是图像处理和计算机视觉中的关键技术之一。它有助于提高基于图像内容的特定目标定位的准确性，在图像的编辑抠图等技术中离不开正确的分割。图像分割的方法浩如烟海，但要实现一个具有通用性的分割技术还面临着很大困难。随着计算机视觉、现代生理学，神经心理学、物体识别、图像处理等学科的综合发展，基于视觉注意的图像分割技术日益引起了人们的普遍关注。它属于国际前沿课题，其理论成果对智能研究和发展具有重要的贡献。在遥感气象服务、医学影像分析、机械制造、产品检测、军事研究、交通图像分析等领域有着广泛的应用前景。　　 本文的主要研究内容是建立一个具有较好定量描述能力的视觉注意模型来引导图像分割，进行物体的跟踪或定位等。本文首先介绍了关于视觉注意机制的有关生物学基础，并详细介绍了Itti视觉注意计算模型的关键技术，并对其进行了实验，发现Itti视觉注意计算模型存在伪注意焦点、漏检测、注意焦点转移过程不合理以及对目标物体的整体性描述能力不足等问题。　　 本文主要就Itti视觉注意计算模型存在伪注意焦点和缺乏对目标的整体性描述能力进行了改进：对非线性图像尺度空间表示方法进行了改进，提高了该方法对图像的锐化增强能力，能更有效的保持图像重要特征信息，尤其是边缘特征，这有利于增强计算模型的整体性描述能力,使用该方法建立特征图的非线性多尺度空间表示；在各个特征图合并和显著图生成中采用基于权值的方法，这有利于突出每幅图中特征显著的点，同时削弱特征不显著的点；最后对显著点进行区域划分，选取区域中心作为注意焦点。实验表明本文方法能准确找出最显著的目标。最后将本文改进的视觉注意计算模型引入到基于区域聚类的图像分割方法中，实验表明本文所提出的方法在进行分割和定位中具有较好的效果。