图像分割是图像处理初始阶段必不可少的一部分,而且至关重要,在图像的处理过程中,无论是对结果的可靠性还是实时性都有较高的要求。随着生物视觉的不断发展和进步,视觉注意机制在图像处理上的优势越来越明显,当一幅图像中信息复杂且噪声内容丰富时,采用视觉注意机制可以迅速关注到图片中能够引起人们视觉注意的区域,这样就可以对显著性强的区域重点并且优先处理,而摒弃那些无用的冗余信息,而且这一过程耗时较短,实时性强。本文将视觉注意机制应用到图像的分割处理中,首先分析自然场景图像的视觉特征,在图像的预处理阶段,对图像进行滤波去噪,抑制背景噪声,针对自然图像提出了一种改进的加权中值滤波算法,滤波之后采用直方图均衡化来加强图像,使图像的目标部分更明显;在图像分割方面,针对自然图像存在目标和背景尺寸差距较大,图像的灰度差异性不明显的现象,提出了改进的Otsu分割算法,通过将一定区域内亮度最大值与阈值T比较,来调整阈值的大小,有效的改善了自然图像中目标较小时分割效果下降的现象;在模拟生物视觉感受野提取图像显著图时,通过对各显著图算法的对比和分析,从时间复杂度和显著图提取效果两个因素考虑,采用了改进的全频显著图算法提取自然图像的显著图,在特征提取时加入了梯度提取,图像边缘信息得到保留,改善了常用显著图提取算法图像分辨率低、算法耗时长以及边缘细节模糊的现象;最后在显著图的基础上,采用本文的改进Otsu阈值分割算法做分割处理,在分割的基础上进行腐蚀膨胀的形态学操作得到目标图像。实验结果表明,本文的算法在处理自然图像时,可以实现较好效果,具有较强的鲁棒性。