随着信息技术,尤其是互联网的高速发展,我们面临着越来越大规模数据量所带来的挑战。这些数据不仅是简单的文本数据,更多的是一些如图像、视频等多媒体数据。要实时处理这些大数据是一个极其艰巨的任务,如何从大量数据中选择有用且易处理的数据,是一个具有极大实际价值的研究课题。“注意”是认知心理学中的概念,是一种人脑对外界信息的选择加工机制。本文通过建立视觉注意的计算模型来模拟人的选择加工机制,以解决大数据的压缩问题。由于传统的视觉注意计算模型大多基于自底向上特征,只引入了场景的底层信息,没有自顶向下先验知识的指导,因此,和实际人眼的注意结果有较大偏差。基于上述考虑,我们提出了新的视觉注意计算模型。本文的主要工作是：(一)在模型中融合了自顶向下的特征信息,如注意区域的面积和注意区域到中心点的距离。从人眼注意场景的角度出发建立计算模型,实际试验效果更符合人眼观测结果。(二)提出了归一化策略,解决了自顶向下和自底向上两种不同特征之间融合的问题,同时也丰富了我们对特征融合理论的认识。(三)通过引入区域显著度的均值和方差的概念,解决了因某一显著度值偏大而错选注意焦点的问题,使得模型具有良好的鲁棒性。(四)改进了注意模型评价标准,在评价注意转移效果的基础上,兼顾了注意的首次选择。