视觉注意机制揭示了人眼对输入场景的特定感知模式,其中,视觉显著性描述了场景中蕴含重要价值的视觉子集区域,它有助于人类视觉系统完成从复杂场景中迅速过滤冗余信息、准确提取有效信息这一重要过程,优化了大脑对摄入信息的处理效率。视觉显著性表现出的强大的信息筛选能力,使得它在节省计算资源的同时,大幅度提升了系统的准确性和鲁棒性,这对自动目标识别(ATR)系统中目标检测、识别、跟踪等核心技术朝着智能化方向发展有着重要的指导意义。论文在讨论了视觉显著性的研究意义及其对ATR系统的应用价值的基础上,分别对视点预测和显著物体检测等视觉显著性模型的构建、及其在红外图像小目标检测和遥感光学图像舰船目标检测中的应用展开深入研究,提出了一系列视觉显著性计算及应用的新方法。论文的主要工作如下：在视点预测模型的探索方面,对初级视觉皮层的研究表明,携带有效信息的少量神经元与携带冗余信息的多数神经元之间的相关性较弱,同时它们对于刺激也更加敏感。据此,提出了一种基于视觉特征去相关性与信息活跃性加权的视点预测方法,以结合并验证前述视觉特征特性对场景视点预测的表达作用。实验结果表明,该方法可以有效提高视点预测的准确性,对该领域的研究提供了一些有利线索。在显著物体检测方面,针对传统的基于特征对比的显著物体检测方法无法克服复杂场景中背景杂波干扰及显著物体内部区域特征差异较大等问题,提出了一种结合特征对比与物体视觉组织规则的显著物体检测方法。它包括对比显著性计算和物体视觉显著性滤波两个阶段。前者表达了颜色特征独特性、空间紧致性、成像背景先验及成像中心先验等对比要素,后者根据格式塔视觉组织规则,对构成物体的结构元素所具有的闭合性、相似性和邻近性进行描述。该方法不仅对复杂背景有效,它也适用于场景中显著物体数目不限的情况。在Boolean图视觉注意原理的启发下,提出了一种基于Boolean图视觉特征表达的单帧图像红外小目标检测方法。该方法根据观察者在任一瞬时对目标的注意仅由选定特征对应的场景Boolean图表征,并结合远距红外成像中目标呈现的局部高亮性与类高斯形状等特点,采用颜色与方向特征通道Boolean图加权融合的方式,实现目标增强与背景抑制。这种方法具有广泛的适用场景,对多种复杂背景图像具有鲁棒的检测性能。利用视觉显著性能够从固定模式中抽取独特模式的作用,提出了一种基于方向显著模式的单帧图像红外小目标检测方法。该方法根据小目标与背景所表现出的纹理模式差异,即前者具有接近各向同性的类高斯形状,而后者呈现局部方向条形纹理这一特点,采用视觉显著性计算对目标进行提取。实验结果表明,它能有效克服多种复杂场景下的杂波干扰,对红外小目标具有很好的检测性能。针对遥感光学图像中云杂波、海杂波、舰船浪迹及目标尺度变化等因素对舰船检测造成的干扰,提出了一种基于视觉显著性和S-HOG描述子的无监督遥感舰船检测方法。视觉显著性能够突出显著信号并过滤冗余信息,有助于候选目标区域的确定和对杂波背景的抑制。S-HOG描述子则可以克服舰船浪迹杂波,并适用于多种尺度下的目标表达。该方法对遥感光学图像中的舰船目标检测非常有效。