随着信息技术的发展,如何从大规模图像视频数据中有效的定位所需的图像块,已经成为图像和视频处理中热门的领域。视觉注意感兴趣区域提取是过滤无用信息,获取有用信息的重要方法。本文首先介绍视觉注意模型的研究现状,从不同角度讨论了现有视觉注意模型优缺点。本文在自底向上的注意模型基础上,加入了自顶向下的上下文场景信息,并且尝试引入神经网络反馈机制。本文所建立的场景记忆视觉模型能提取空间和非空间特征,用以建立最终的视觉注意显著图。其次,本文重点介绍了场景记忆注意模型的建立流程。注意模型提取非空间特征(颜色、亮度和方向)和空间特征,运用背侧通路对腹侧通路的交互作用,把空间特征对非空间特征进行调制。再运用中央-外围差分算法,在高斯金字塔下进行多特征图融合生成总显著图,并进行注意目标选择和焦点转移。为了提高目标显著性,本文引入了上下文场景显著性检测,用静态和动态上下文场景信息校正显著图。通过融合空间、非空间和上下文场景特征并且引入信号调制机制,可以解决其它模型在焦点选择不合理的问题。最后,本文运用四组不同场景视频、三组静态图像和行人视频进行注意测试,结果表明,本文建立的场景记忆视觉注意模型提取的感兴趣目标,更符合人眼的视觉注意机制,准确度也更好。综上所述,本论文的主要贡献：解决了自底向上和自顶向下模型的不同特征融合问题,引入神经调制机制,加入上下文场景信息显著性检测,使空间和非空间特征在高斯尺度空间实现多特征融合。这些改进能有效地保持图像的重要信息,在总显著图中首次注意和焦点转移也优于其它传统的视觉注意模型产生的效果,更符合人类视觉注意机制。未来多角度改进本文的注意模型后能运用到智能跟踪设备中。