海量增长的信息对处理速度的要求越来越高。图像作为主要的信息载体，也是人类获得信息的重要途径。对于变化莫测的外部环境，人类的视觉系统总是能迅速完成识别并针对变化采取相应的措施。这是因为人类视觉系统对于进入人眼的图像信息进行了一定的选择，即依据图像的局部特征，通过眼动选择性注意感兴趣区域，可以分为数据驱动和任务驱动两个子过程，即自底向上的加工和自顶向下的加工。对于自底向上的计算模型，本文以Itti显著模型为基础，针对视觉任务做出相应的改进：对不同特征采用不同尺度，得到最优结果；针对高斯差分获取感兴趣边缘的缺陷，将显著图同原图模板匹配。对于自顶向下的计算模型，本文在模型中模拟人眼对图像频率的优先选择特性，提高了结果的准确性；并对颜色在自顶向下加工过程中的作用进行了讨论。从视觉机制出发，结合心理物理实验的结论，本文提出了一个结合自底向上与自顶向下的机制的选择性注意模型。该模型首先通过自顶向下的计算得到图像中目标位置的先验信息，采用贝叶斯概率模型对图像的全局布局信息和目标的位置进行建模，通过建立的贝叶斯模型确定新输入的图像中目标可能存在区域，再对该区域进行滤波提出颜色，亮度，方向等初级视觉特征，将这三类特征融合得到显著图。同现在的模型相比，本文提出的模型，更准确地模拟了人眼在有任务下的搜索过程，同单一的任务驱动和数据驱动模型相比准确性更高。