1、老鷹等動物能快速、準確地從復雜背景中捕獲和跟蹤獵物的能力一直是智能跟蹤系統(tǒng)發(fā)展和追求的目標。通過仿生動物視覺神經(jīng)信息處理系統(tǒng)實現(xiàn)復雜背景下的運動目標檢測與跟蹤，往往需要提取目標靜態(tài)特征、動態(tài)特征及兩者復合特征，自底向上完成對目標的注意。靜態(tài)特征往往是動態(tài)特征的基礎，本文主要研究基于視覺感知機理的復雜背景下目標靜態(tài)特征提取和識別問題，通過深入探討和分析模型改進、紋理特征提取和興趣目標識別等問題，來提高興趣目標在顯著圖的顯著程度，從而達到首

2、先或率先聚焦在興趣目標上，快速實現(xiàn)目標檢測的目的。
　　 首先介紹了視覺注意模型的研究現(xiàn)狀，討論了人類感知系統(tǒng)的結(jié)構(gòu)與特點。顯著圖是視覺注意的基礎，有意識地增強顯著圖中興趣目標的顯著度是快速實現(xiàn)目標檢測的途徑之一。Itti視覺感知模型缺乏目標分類特征，難以達到率先注意興趣目標的目的，據(jù)此本文提出利用特征分類來增強興趣目標在顯著圖中顯著程度的方法。
　　 其次，利用灰度共生矩陣提取人造物體和自然物體的紋理特征，運用支持向量

3、機實現(xiàn)對兩類物體的非線性分類。自然景物的紋理特征和人造景物的紋理特征存在差別，自然景物的紋理較粗糙而人造景物的紋理較細致。
　　 最后，在Itti模型上融入輪廓和紋理特征，改進計算模型，進行試驗比較驗證。即便是在融入輪廓特征后，自然物體的顯著性還很強甚至具有最高顯著度，未能率先聚焦興趣目標。通過紋理特征來區(qū)分自然和人造景物并將其融入到整個框架中，為目標檢測提供更多的線索。理論和試驗結(jié)果表明，該改進模型能通過增強興趣目標在顯著圖中