视觉注意作为生物视觉和计算机视觉的一个重要研究方向,从提出至今,吸引了心理学、神经系统科学以及计算机视觉等领域的众多专家和学者投入其中,经历了长期的发展。研究发现,人类大脑与视觉系统对场景图像进行视觉处理时,并非对所有信息同等看待,而是习惯于对某些区域或目标分配更多的注意(如观察次序和持续时间等),我们称之为显著目标或显著区域。显著目标和显著区域检测算法在工程上应用广泛,如智能相机、智能交通系统等。随着更多的神经生理学和解剖学领域的学者专家投入到视觉信息加工机制的研究中,有关生物视觉机理的研究成果也逐渐增加,人们对生物视觉信息加工机制的了解更广泛,理解也更加深入。受此启发,本文以生物视觉机理为指导进行图像处理算法的开发,产生更加智能的视觉处理系统。目前,关于视觉注意方面的研究主要分为人眼注视点预测和显著目标检测。本文主要研究关于人眼注视点的视觉注意模型,以视觉认知机理为基础,从格式塔认知心理学出发,分别从以下两个方面探索场景图像的底、中、高层特征有关的视觉显著性,构建显著性检测算法模型,解决显著性检测有关问题。(1)本文提出了一种基于图像场景轮廓的显著性检测方法,通过结合场景图像的底层和中层视觉线索,预测自然图像的视觉显著性。首先,定义了三种基于格式塔原则的中层线索,包括轮廓密度、闭合性和对称性来描述潜在的显著区域。此外,本文采用经典的自底向上方法来生成底层显著性映射。最后,将自然图像的底层特征和对应轮廓的中层特征相结合,生成基于场景轮廓的显著图。实验结果表明,基于轮廓的中层特征能显著提高自底向上模型的视觉显著性预测性能。(2)由于不同目标出现在场景中各区域的概率不同,为了进一步探索视觉显著性与场景结构的关系,本文提出了基于室内场景的特定目标(油画)显著性检测方法。首先,利用深度学习的方法对室内图像进行粗粒度的语义分割以编码室内场景结构,然后统计出数据库中特定目标出现在场景中不同区域的概率,并以此作为先验信息,最后利用贝叶斯定理计算特定目标的条件显著性生成最终的视觉显著图。实验结果表明,场景结构在视觉搜索和视觉显著性检测中起着重要作用。