随着信息技术的飞速发展,图像数据的规模和复杂程度不断加大,为后续的图像处理和目标分析带来了很大难度。近年来,以视觉注意为代表的图像显著区域检测技术成为提高海量数据筛选实时性和分析准确性的重要技术途径之一。传统的基于视觉注意的显著区域检测模型存在检测结果边缘特性较差的问题,同时由于使用邻近插值,会出现马赛克现象。另一方面,满足实时性的频域模型又存在检测结果不稳定、生物学依据不明显等缺陷。针对这些问题,本文以生物视觉的注意机制为基础,通过分析空频域内显著区域的分布特性,对显著区域检测技术进行了多个方面的探索。本文的主要工作包括以下四个方面。(1)分析了人类视觉注意的处理机制,在神经生物学和心理学两个方面进行了介绍,讨论了经典的基于特征融合框架和Koch神经生物学框架的视觉注意模型。(2)通过研究人类高层视觉的结构相似性理论,基于特征融合框架分别提出了局部和全局两种显著区域检测方法,利用结构相似性和自相似算子度量视觉显著性,并对提出的方法进行了优化。实验结果表明本文方法的检测结果的边缘特性比较好,显著区域的对比度很高,并克服了传统方法的马赛克现象,同时在抗噪等方面体现了较好的性能。(3)通过研究图像频谱与显著性的关系,提出了一种保留相位谱和调谐幅度谱的显著区域检测方法,该方法通过改变频谱分布来增强显著区域并抑制非显著区域,同时针对提出的频域模型提出四种频谱调谐方法,对四种方法的优劣进行了研究。另一方面,通过研究人类视觉的侧抑制机制,找到了这种方法的生物学依据。实验表明这种方法可以有效检测多种图像的显著区域,并且满足实时性的要求。(4)根据团块目标遥感图像的特点,提出对上文的两种显著性模型进行针对性改进,实验表明改进方法可以有效检测出遥感图像的团块目标区域。综上所述,本文通过研究人类视觉注意机制的相关关键技术,在空频域提出了相应的显著区域检测方法,最后通过实验验证了方法的有效性。