針對(duì)已有視覺(jué)注意模型在整合對(duì)象特征方面的不足，提出一種新的結(jié)合高層對(duì)象特征和低層像素特征的視覺(jué)注意方法。首先，利用已訓(xùn)練的卷積神經(jīng)網(wǎng)（CNN）對(duì)多類(lèi)目標(biāo)的強(qiáng)大理解能力，獲取待處理圖像中對(duì)象的高層次特征圖；然后結(jié)合實(shí)際的眼動(dòng)跟蹤數(shù)據(jù)，訓(xùn)練多個(gè)對(duì)象特征圖的加權(quán)系數(shù)，給出對(duì)象級(jí)突出圖；緊接著提取像素級(jí)突出圖，并和對(duì)象級(jí)突出圖融合獲得顯著圖；最后，在OSIE和MIT數(shù)據(jù)集上驗(yàn)證了該方法，并與國(guó)際上流行的視覺(jué)注意方法進(jìn)行對(duì)比，結(jié)果顯示該算法在OSIE數(shù)據(jù)集上獲得的AUC值相對(duì)更高。實(shí)驗(yàn)結(jié)果表明，所提方法能夠更加充分地利用圖像中對(duì)象信息，提高顯著性預(yù)測(cè)的準(zhǔn)確率。

　　視覺(jué)注意機(jī)制的研究是探索人眼視覺(jué)感知的重要一環(huán)。在過(guò)去幾十年中，如何用計(jì)算模型模擬人眼視覺(jué)注意過(guò)程一直是核心問(wèn)題。盡管取得了很大的進(jìn)步，但是快速準(zhǔn)確地在自然場(chǎng)景中預(yù)測(cè)人眼視覺(jué)注意區(qū)域仍然具有很高的挑戰(zhàn)性。顯著性是視覺(jué)注意的一項(xiàng)重要研究?jī)?nèi)容，它反映了區(qū)域受關(guān)注的程度。本文的研究著眼于顯著性計(jì)算模型，更多模型對(duì)比和模型分類(lèi)可以參考Borji等的文章。視覺(jué)注意存在兩種機(jī)制：自底向上（ Bottom-up）和自頂向下（Top-down）。過(guò)去的研究中，大多數(shù)的計(jì)算模型是基于自底向上的信息，即直接從圖像像素獲取特征。