随着视觉注意力机制的研究，由此在图像处理领域出现了新的课题——显著性检测，它从视觉系统的生理机理角度来分析视频和图像，例如物体自动跟踪和识别，内容敏感图像的裁剪等。虽然视觉显著性检测离人类视觉系统还有很大差距，但是它已经极大的促使了计算机更加准确，高效，智能。所以对这些显著性检测算法的比较是有很大意义的，对这方面的发展有着不可磨灭的重要性。目前，视觉显著性检测广泛应用到只能系统，信号与信息处理以及模式识别等众多领域，例如：图像检索与分类，图像压缩与编码，场景分析，目标检测及分割，目标识别等。由于人类视觉注意机制的不同以及环境的复杂不确定性，对不同图像，人类感兴趣的显著性区域有所不同，对相同的图像，不同的人感兴趣的定义也不尽相同，这就决定了视觉显著性检测算法的局限性以及多样性，不同的检测方法可能适用于不同的图像。

众多领域的学者从视觉认知的角度，对视觉注意机制进行了大量的研究。视 觉注意研究的目的是使计算机在图像处理过程中，拥有类似人眼的视觉主动性和选择性。在一幅图像中，背景占据了图像的大部分区域，而显著目标则只占据 了图像的少量区域。显著目标是图像中的较为显著的部分，也就是人眼在关注图 像时最感兴趣的区域。随着计算机视觉和图像处理的发展，以及根据不断出现的视觉注意机制理论，国内外学者提出了许多有关图像显著目标检测的模型，研究如何快速检测出图像中的显著目标。根据检测结果，有区别地对待图像中的显著区域和背景区域，赋予现有的图像处理过程一定的选择能力，合理分配计算资源，首先处理图像中的显著区域，这样不仅可以减少整个图像处理过程的计算 量，还能够提高信息处理的效率。如：WEB图像检索，视频监控，生物特性识别和医学应用等等。所以从以上所述可知，图像显著性目标检测技术应用相当广泛，这项技术也有很大的研究意义。

本课题的目的在于如果迅速，准确的从复杂的自然环境中提取出我们所需要的区域，对它进行有效处理。

1。2视觉显著性国内外研究现状

1。2。1国内研究现状

1。2。2国外研究状况

1。3发展趋势

   第二章   视觉选择机制

      在信息化多元发展的时代背景下，周围的环境每时每刻都给人类提供了大量的信息， 信息量甚至能达到千万到亿万级别比特每秒，如果对这些信息都加以处理，那么 总量将远远超过人类大脑可以有效处理信息量的上限。人类视觉系统在漫长的进 化历程中，渐渐出现了一种机制，处理并筛选这些视觉信息，只保留信息中有用 和关键的部分，而去除那些无用和冗余的部分，我们称其为视觉注意机制。

如图，我们可以看到很多很多的风筝，一部分人会把目光集中在第一个风筝上面，有的人会注意第二个风筝，有的人会注意第三个，还有的人会注意整个风筝链，更有的人注意旁边的蓝天白云，这就是因为人类的视觉机制在处理视觉信息的时候，会选择性的对这些信息进行分析处理，从而使得视觉注意焦点只集中在某些区域内文献综述

2。1自底向下视觉注意的理论基础

再看这个图，相信大家一眼就能看出这个图是什么意思了。没错，大家第一眼肯定就是看到中间的那条狗，是的，就是单身狗，这就是显著性目标。也是我们现阶段需要去分析的实现的。

根绝Treisman的特征融合理论，注意的过程一般分为两个阶段，分别是预注意期和注意期。在预注意期，相互独立的早期特征会被单独取出来，但是还没背感知；在注意期，随着注意的焦点的转移和选择，整个场景被逐渐感知。Braund的二元理论觉得，注意焦点的选择不是由背景的自身特征所决定，而是由于它与周围环境相比较产生的相对特征，这种特性称为“视觉显著性”。 MATLAB自底向上的显著目标检测算法的比较研究(3):http://www.youerw.com/jisuanji/lunwen_95678.html