近年来，遥感图像场景在监测环境、勘探地球资源及预测自然灾害等方面有着越来越广泛的应用，大量的数据需求推动了遥感图像场景分类的快速发展。尽管基于深度学习的方法已经在场景分类方面取得了比较好的性能，但如何对背景复杂、尺度变化剧烈的遥感场景进行有效识别仍然是分类任务中的一个巨大挑战。为了解决这一问题，提出一种细粒度方法来检测显著区域，并使用全局分支和局部分支将整体和局部联合起来，分别从整幅图像和关键区域提取全局特征和局部关键信息。为了验证所提方法的有效性，基于ResNet18模型在三个公共遥感图像场景分类数据集上对不同方法进行对比实验，实验结果表明所提方法的准确率优于大多数先进方法。

针对序列图像中目标因不显著、被遮挡等情况而出现的虚警或丢失问题，提出一种基于自动选取辅助目标的建筑物目标间接定位方法，提高目标跟踪稳定性。该方法首先自动选取红外图像中形状稳定、灰度显著的区域作为辅助目标。定位建筑物目标后，提取其与目标相对位置关系,之后利用该相对位置间接定位，最后融合直接识别及间接定位结果定位目标，并能实时更新辅助目标，保证其时刻处于视场中。实验结果表明：通过间接定位能解决目标虚警或丢失问题，提升目标定位过程中算法的准确性及鲁棒性。

视差是影响立体内容视觉舒适度的主要因素之一。结合视觉显著特性,通过大量主观实验研究视差因素对立体图像舒适度的影响,得到舒适视差的定量范围。首先,利用立体显著区域提取算法获得显著立体图像,并用眼动仪验证其合理性;然后,采用像素平移法对显著立体图像进行视差变换,得到实验素材,进行主观实验;最后,处理实验数据,得到舒适视差的定量范围。结果表明,人眼对水平视差和垂直视差的舒适度响应差异很大,水平视差舒适范围为(-0.379°,0.644°),而可接受的垂直视差范围为(-0.10°,0.11°)。验证实验的正确率在90%以上,表明所得舒适视差范围很好地反映了立体图像的主观舒适度,能为立体内容的制作提供更符合人眼视觉特性的定量标准。

立体图像观看舒适度的影响因素是立体成像技术领域的关键问题。结合视觉注意机制特性,定量研究饱和度因素对立体图像视觉舒适度的影响。首先,得到立体显著度图,利用模糊隶属度原理和掩膜对其进行优化获得最终的显著立体图像,并用眼动仪对所得立体图像显著区域的正确性进行验证。然后,采用改进的逐级逼近法进行主观实验,通过大量的实验数据得到显著立体图像的舒适饱和度匹配图和差异图。实验结果表明,双目视图舒适饱和度平均差异值最大可达0.29。验证实验表明所提方法的舒适饱和度范围具有更好的普适性,不仅为立体图像舒适度的研究提供了依据,而且为立体内容的制作提供了技术标准。

结合视觉注意机制,通过大量主观实验,定量研究了对比度因素对立体图像视觉舒适度的影响。首先结合平面显著图和立体视差图获得立体显著度图,再利用模糊隶属度和掩模对其进行优化,获得显著立体图像,并用眼动仪验证其合理性;然后对左右视图进行对比度变换和主观实验,数据筛选后得到显著立体图像的舒适对比度匹配图和差异图。实验结果表明:左右视图的对比度差异门限值随着左视图对比度值的不同而改变,且左右视图对比度差异不能过大,最大和最小差异值分别为1.97和-2.40。实验所得舒适对比度范围很好地反映了立体图像的舒适度,验证实验的正确率达95%,为立体内容的制作提供了更合理可行的定量标准。

针对现有镜头检测算法在处理运动信息时无法随着帧间差异不同而变化的问题，提出一种基于光流的镜头边界检测方法。依据光流算法对图像间熵计算进行校正，并提出一种光流量化方法。使用量化值与校正熵值判断图像连续性，保留存在镜头切换的候选边界；根据镜头构造的差异提取图像的光度信息与图像间互信息，并提出一种模型匹配的方式进行镜头类型识别。在互信息提取前对图像进行显著区域提取，来增加图像间的差异而保证模型匹配的准确性。实验表明，该检测算法能准确检测镜头边界且有效排除运动干扰。

针对传统视觉注意机制在室内三原色(RGB)图像视觉显著物体检测中存在的运算复杂、检测精度低等缺点，提出了一种融合深度信息的室内RGB图像视觉显著物体快速检测方法。对室内RGB图像进行降采样和金字塔量化处理，从而降低图片的空间分辨率和计算复杂度。利用亮度、红绿以及黄蓝三通道的多特征视觉注意机制显著性检测模型以获得室内RGB图像的显著图。在显著图分析中提出显著区域生长策略，从而获得视觉显著区域的精确轮廓。融合深度信息获取视觉显著区域内显著物体数目以及显著物体相互之间的位置关系。通过室内场景实验，验证了方法的可行性和有效性。

频域分析在遥感图像显著区域检测时可以很好地检测到显著区域的边缘部分，但是，往往在显著区域的内部产生误检测。提出了一种基于图像高频信息多尺度融合的视觉显著区域检测算法，将遥感图像进行多尺度的高斯金字塔分解，对分解后的每一级图像进行傅里叶变换，提取变换后的高频信息进行多尺度融合，获得最终显著图。结合该显著图提取遥感影像视觉显著区域不仅能够有效排除显著区域内部误检测问题，而且获得了更为精确的显著区域细节。此外，该算法较Itti模型具有更低计算复杂度。

针对电厂冷却塔这类具有特殊建筑规范的典型目标，在分析目标红外特性与形状特性的基础上，提出了一种基于知识模型的红外目标检测方法.首先根据冷却塔目标的红外特性，提取图像的亮度、方向和局部熵特征，采用视觉注意模型提取红外图像中的显著区域，作为待检测目标的感兴趣区域；在此基础上，根据冷却塔目标的形状特性建立双曲线形状模型，在感兴趣区内进行结构特征边缘提取和形状模型拟合，构建相关判定准则检测出目标.在一组机载前视红外图像上的实验结果表明，该方法可以达到98.67%的查全率和93.97%的查准率，具有较好的目标检测效果.由于本文方法不需要基准图的参与，降低了对数据保障的要求，因此具有较大的实用性.