人类视觉系统感知周围场景时所获取的信息不仅包括物体反射不同光谱产生的RGB信息,也包含双眼形成的立体视觉所提供的深度信息。RGB-D传感器的广泛应用能够提升计算机对现实环境中的物体的感知能力,其中深度传感器的高可用性为RGB-D图像处理中的建模与应用提供了有价值的补充信息。本文从人类视觉系统感知深度相关的视觉特性出发,讨论了立体视觉中的视觉关注机制,针对RGB-D图像的视觉显著性预测、显著性目标检测两种任务场景,重点研究了RGB-D图像显著性检测中的深度显著性特征表达以及多模态特征融合等问题。本文具体的研究内容包括以下三个方面:1)研究立体视觉中深度特征对视觉注意力的影响机制,提出了一种基于视差选择机制的深度显著性特征,在此基础上提出一个RGB-D图像视觉显著性预测算法。该算法依据大脑皮层MT区的视觉神经的视差选择特性,对神经兴奋响应进行建模作为一种预测视觉显著性的深度特征。该方法从生理学的角度解释了立体观测条件下,深度特征对视觉注意力的影响。在三个RGB-D视觉显著性预测数据集上,该方法结果优于现有的方法。2)提出了一种用于RGB-D显著性检测的双流细化网络,设计了基于融合的细化网络和基于传播的细化网络。基于融合的细化网络的作用在于使用了一种特征中间融合的方式,对多模态的RGB和深度特征以及多尺度的中间层卷积特征进行融合,重充分挖掘了RGB和深度图特征的内在关联,并使用高分辨率的浅层卷积特征对检测目标的边界进行细化。基于传播的细化网络的作用在于使用一个浅层网络学习得到每个像素点的位置自适应传播系数,对初步检测的显著性目标进一步细化。3)研究立体视觉注意力中RGB和深度特征的融合问题,提出了一种多模态交叉注意力引导的特征融合方法,在此基础上提出一种基于深度神经网络的RGB-D图像显著性目标检测算法。该模块以残差学习的形式模拟了视觉注意力机制,通过两种模态特征生成注意力掩膜图,互相对对方的本体特征进行调优,实现了多模态特征的高效融合。该方法在现有的8个公开数据集上取得了目前最好的效果。