近年来在图像处理等相关领域,如何模拟人类的视觉系统进行机器视觉注意模型的研究引起了广泛关注。本文围绕有关的文献资料,在分析了不同视觉注意模型的基础上,着重对Itti模型及其在图像压缩上的应用进行了研究。完成的主要工作如下:首先,对Itti模型的建模过程进行了探讨,并在其基础上对注意焦点转移机制进行了改进。针对利用Itti模型处理图像时,可能出现同一物体被注意多次的情况(比如第一次注意到物体的上半部分,第二次注意到物体的下半部分),依照生物视觉一般有7个敏感点的理论,通过运用局部均值法先求出显著图上的7个极大值点,然后按“相邻点合并”的方法对其进行处理筛选出若干注意焦点,最后按注意焦点的显著程度进行注意转移。实验表明,大多数情况下因改进的视觉注意模型只会对同一个物体注意一次,在识别物体的整体性方面比Itti模型要好一些。其次,提出了一个基于阈值的感兴趣区域提取方法,即设阈值为注意焦点的显著值的60%,只要在注意焦点一定范围内的像素的显著值大于该阈值,就将该像素归于感兴趣区域。采用此方法对一些典型的图像进行了实验,取得了较为满意的结果。最后,将改进的视觉注意模型应用到了图像压缩领域。依据从整幅图像中提取出的一个或某几个感兴趣区域,采用对这些区域不压缩或低压缩,而对背景区域进行高压缩的策略,实现了相应的图像压缩方法。通过结合JPEG2000压缩算法和本文的模型,进行了有关的实验,取得了较为满意的效果。