随着信息技术的不断发展，人们所要面对的信息量与日俱增，如何快速处理如此庞大的信息量已成为人们所要考虑的重要问题之一。图像信息在整体信息中所占的比重也在日趋增加，实现图像信息的快速处理，将对提高整体速率起到重要作用。生物视觉注意系统在图像处理方面有着显著优势，将视觉注意机制应用到计算机科学领域，对图像信息处理意义重大。本文对目前所广泛使用的ITTI计算模型进行了深入的学习和研究，针对传统特征整合机制中并未考虑特征之间的内在联系，仅通过对单独特征进行分析处理得到对应特征权值的情况，提出了一种新的整合思路，以图像信息为基础，通过计算各特征在整幅图像中的信息分布，获取相应特征图权值，对特征图进行加权融合，该方法思路清晰，效果良好具有一定的适用性。与此同时，本文还学习对比了现有记忆模型，针对传统模型通过权值调整，一次仅能注意单一目标的情况，提出了一次寻找多个记忆目标的思路，通过将SIFT图像匹配算法整合自底向上选择注意模型，一次直接选取记忆中的多个目标与图像中显著目标。该方法选取记忆目标和显著目标效果良好，对静态图像处理具有一定适用性。