视觉注意机制是指人在面对复杂场景时,会迅速将注意力集中在场景中的少数重要区域,并对其优先处理。目前许多图像处理任务在处理复杂场景时需要耗费大量的时间与计算能力。因此,在计算机图像处理过程中,模仿人眼视觉注意机制建立视觉显著计算模型,使计算机能够像人眼一样迅速将注意力集中在图像中的重要区域是很有必要的,其在感兴趣目标检测、目标识别、图像检索、图像和视频压缩等领域有着重要的应用,对其进行深入研究具有十分重要的意义。在计算机视觉领域,视觉显著计算模型的研究逐渐成为热点。本论文在国内外研究的基础上,设计了两种视觉显著计算方法,并针对自然图像感兴趣目标检测应用,进行了实验及分析,本论文的主要研究内容如下：(1)详细阐述了视觉显著计算模型的研究现状,分析了现有模型的优缺点,并阐述了视觉显著计算模型的基础知识。(2)针对不同颜色分量下显著特征描述的差异,提出了一种基于全局对比度的视觉显著计算方法。该方法依据显著区域具有颜色全局稀缺、空间分布集中的特点,分别在HSV空间与Lab空间分别计算显著图并融合得到最终的显著图。利用大量测试数据对该方法进行实验及分析,该方法优于相对比的几种典型方法,表明了该方法的有效性。(3)针对复杂环境下图像单一特征适应性差、显著区域的获取完全依赖于显著图分割处理的缺点,提出了一种基于候选区域的视觉显著计算方法。该方法利用分层分割图像法生成候选区域,并综合空域显著性、频域显著性、闭合轮廓性及局部对比性,逐一计算候选区域的显著值,通过排序获取图像显著区域。利用大量测试数据对该方法进行实验及分析,该方法优于相对比的几种典型方法,表明了该方法的有效性。(4)针对自然图像背景复杂、目标多样的特点,通过对上述两种视觉显著计算方法的改进,将其用于自然图像感兴趣目标检测,并将自然图像分为天空、河流、沙漠、草原、森林及城市六类典型背景,进行实验与分析,结果表明了方法的有效性。