现今对视网膜色素变性和老年黄斑色素变性的失明患者的视觉功能修复主要集中在视觉假体的研究。视觉假体通过对视觉神经系统进行电刺激，在视觉中枢产生光幻视，从而实现视觉功能修复。物体识别是日常生活中的常见任务。而帮助盲人识别常见生活用品是视觉假体的主要功能之一。在现今，由于可植入微电极数的限制，假体植入者在日常室内生活场景下的物体识别率较低。目前视觉假体的研究热点之一就是寻找最佳的图像处理策略以优化有限分辨率下的光幻视阵列呈现的信息。适当的图像处理策略可以从摄像头获取的丰富的图像信息中提取出有用的视觉信息，并在低分辨率的限制条件下用最优的方式呈现给假体植入者。本研究提出了一个自下而上的基于视觉显著性计算模型的物体识别模型，引入Itti提出的基于视觉显著性的注意机制计算模型，通过FCM聚类算法确定图像中的感兴趣区域，再对图像进一步分割处理（Grabcut）以提取出图像的前景，进而结合不同的图像处理策略将前景与背景重新组合，应用光幻视点呈现图像，提高图像的识别率。实验结果表明，在65张随机采集的带背景的实验素材图像中，80%的图像通过Grabcut算法后可以达到良好分割的结果。32×32分辨率下，前景与背景分离的图像处理策略（8-4SP与BEE）的识别率显著高于DP组，特别是BEE策略在不理想分割的情况下的识别率仍然显著高于DP组。另外，这两种前景与背景分离的图像处理策略下，被试能够准确描述出物体的比率显著地高于DP组。