视觉注意计算模型以解剖学、神经心理学、认知科学等领域的研究成果或假说为基础,利用数学模型模拟人类的视觉感知系统,是目前数字图像处理的研究热点。视觉注意计算模型将存在待检测目标的人眼感兴趣区域视为图像中某些特征显著的像素点的集合,通过寻找图像中的显著点来检测感兴趣区域。在图像检索、目标检测、场景监控等众多图像处理任务中,通过视觉注意计算模型检测出图像中的感兴趣区域,将系统资源集中于此类区域进行计算分析,相比于对图像中所有区域赋予相同优先级的处理方法,降低了处理过程的计算量,为后续的处理提供很大的便利。论文主要针对自下而上的注意模型展开研究,分析并改进了初级视觉特征提取和特征显著图合并策略。论文首先介绍了视觉注意机制及其研究现状,并综述了注意机制的生理心理学基础和Laurent Itti等人提出的注意模型。神经科学的研究表明视觉系统中存在对图像纹理的刺激有明显反应的细胞,因此本文将图像的纹理一致性特征引入到视觉注意模型的初级视觉特征提取阶段,提取图像的亮度、颜色、方向和一致性信息形成特征显著图,各特征显著图通过全局加强法合并形成总显著图引导注意,寻找图像中的感兴趣区域。实验表明,本文提出的改进的视觉注意模型能有效地检测图像中的感兴趣区域,而且能改善Itti模型在检测图像中的感兴趣区域时存在的漏检测和检测顺序不合理的缺陷。论文还提出一种将视觉注意应用在运动目标检测任务中的算法。运动目标检测是图像处理与计算机视觉领域中的一个非常活跃的分支,在许多领域有广泛的应用。论文采用视觉注意模型对图像序列进行目标预检测,在检测出的候选目标区域中选择与跟踪目标的不变矩特征匹配的区域。对汽车行驶视频进行仿真实验的结果表明该算法在跟踪目标未被遮挡和未发生非线性形变时,能有效地检测运动目标。