注意力选择是人类视觉感知的重要机制,是人类对外界输入的大量信息中选择和保持重要信息,忽略无用或次要信息的意识活动,是人类视觉感知过程中高效性和可靠性的保障。视觉计算系统面临着和人类同样的问题：由于有大量的信息需要处理,为了有效的达到此目的并在某些应用中满足实时性的要求,计算机视觉系统需要用智能的方式确定系统在场景图中的研究顺序,而解决该问题的一种有效的方法就是用视觉注意计算系统模仿人的视觉感知系统的行为和功能。本文对视觉注意机制及其计算方法进行了深入而细致的研究,分析总结了视觉注意机制的神经生理学理论和基于时域的显著性目标检测模型,然后以视觉显著性产生的生理学理论为依据提出了一种多特征整合显著性检测方法；同时我们在基于目前注意力选择领域新兴的残留幅度谱和相位傅立叶变换法基础上提出了多通道调幅傅立叶变换法,这种显著性检测方法是对图像的傅立叶幅度谱进行能量均衡调整,解决了现有的频域显著性检测算法中对低频特征的显著性抑制的问题。此外在注意力兴趣区域提取方面,本文以通道回溯区域生长结合彩色闽值分割算法取代了传统在综合显著图中直接进行区域分割的做法,该方法根据各个显著特征的贡献大小来进行取舍,兴趣区域的提取结果更加符合人的感知经验,并取得较好的仿真实验结果。本文的研究比较完整的介绍了视觉注意计算模型的基本理论与方法,提出了一个适用性较强的视觉注意计算模型,并提高了该计算模型的理论价值和应用价值。此外本文还针对目前注意力计算模型评价标准不完善的现状,提出了一系列具有实用价值评价标准,并基于该标准验证了本文算法和模型的可行性与有效性。