中文摘要：

近年来，生物视觉信息处理机制和模型，以及生物机制启发式算法吸引着越来越多研究者的关注。本项目借鉴神经科学和信息科学的最新研究成果，模拟人类的视觉注意机制解决计算机领域的显著区域提取和快速目标检测问题。主要研究内容有以空间显著性作为目标显著性的先验，利用数理统计的方法为格式塔规则建模，并据此定义感知目标级显著性；用基于空间的注意机制指导知觉组织的优化目标，构建层次化的注意感知模型；将视觉通路理论与注意机制相结合，选择合适的基于空间的先验知识作为自顶向下的注意信息，结合半监督学习，指导基于目标的自底向上的注意过程，确定注意目标的序列使感知任务快速准确的完成。研究成果在军事场景中的目标侦测，智能交通的预警和跟踪系统，以及机器视觉中都有广泛应用，为智能化信息处理提供新思路，新技术。

结论摘要：

近年来，生物视觉信息处理机制和模型，以及生物机制启发式算法吸引着越来越多研究者的关注。本项目借鉴神经科学和信息科学的最新研究成果，模拟人类的视觉注意机制解决计算机领域的显著区域提取和快速目标检测问题。 本项目按照预定的研究计划，顺利完成了预计的成果指标，取得了一些重要的研究成果，主要有(1) 受神经生物学研究启发，模拟V1 皮层编码，同时考虑空间和目标，构建新的显著性定义，并在此基础上构建层次化的注意感知模型；(2) 将deep learning的方法引入到选择性注意机制的神经计算模型中，分析了什么样的网络结构更适合描述选择性注意机制；(3) 提出了一种图像分割的正则化联合互信息评估指标；(4) 融合先验知识构建鲁棒的任务驱动的注意模型，并将模型应用于复杂背景下的目标分割中；(5) 提出了基于注意的图像分割算法；(6) 搭建了眼动追踪平台，并在此基础之上展开了后续工作；(7) 提出了基于眼动追踪技术的区域显著性评价算法；(8) 研究和开发了基于眼动追踪的图像检索系统; (9) 研究和开发了基于眼动数据的显著模型综合平台。 总体来说，本项目按照计划顺利完成。发表了研究论文20篇，期刊14篇，会议6篇。其中，SCI检索论文7篇，EI检索期刊论文4篇，ISTP检索会议论文5篇。取得了授权发明专利1项。培养了博士生2名，硕士生2名。