移动机器人的目标识别以图像处理、分析和理解为基础，是一项多学科综合的复杂技术，现在已经参透到军事、空间探索、医学、工业等各个领域，作为室外移动机器人自主导航和环境认知的重要组成部分，得到了国内外研究者的广泛关注。受生物视觉系统的启发，视觉选择性注意机制模拟生物的视觉功能，从一个复杂的场景中提取出易引起观察者注意的图像区域信息，为解决大数据量的计算、提高系统实时性提供了新的思路。本文对基于视觉显著性的目标识别问题进行了研究。首先，讨论了基于视觉的场景目标识别的研究意义及背景、机器视觉的应用状况、自然场景目标识别的发展历程以及在研究中遇到的问题；在介绍了人类视觉感知机制的基础上，深入研究了选择性注意机制的两个主要模型：自底向上的选择性注意和自顶向下的选择性注意，以及视觉选择性注意的特点及应用。其次，针对视觉显著区域提取问题，单纯的只用一种特征来表征图像的信息不能全面描述图像所包含的内容，所以提出了一种基于颜色和纹理的视觉显著区域提取算法。该算法在Lab颜色模型上采用高斯差分滤波器对图像进行处理，采用二维Gabor滤波器提取图像的纹理特征，最后融合颜色与纹理特征得到图像的显著区域。实验结果表明该方法能有效检测出显著区域，抑制非显著区域，并能很好的用于后期的图像处理，如对物体识别，路标检测，机器人自定位以及场景的分类等。最后，针对目标识别问题，模拟生物视觉功能，首先根据视觉选择性注意机制提取图像的显著区域并把显著区域从背景中分割出来，之后提取显著区域的SURF不变性特征，为提高运算速度，对提取出的SURF特征用K-means算法进行聚类并形成视觉单词，最后采用支持向量机对目标进行分类识别。通过实验表明，文中所采用的方法可以有效解决目标的识别问题，这对自主移动机器人在公共安全中的巡逻、军事任务中的侦察以及外太空环境下探索等具有重要意义。但是，与人眼的快速准确的识别率相比，基于机器视觉的目标识别与场景理解还有很多复杂的问题需要处理。