图像分割是数字图像处理和机器视觉中的关键技术之一,是进一步进行图像分析、识别与理解的基础,得到广泛的重视和研究,也在实际中得到大量的应用.图像分割将图像划分成特定的区域以便提取出所需目标,与视觉感知活动类似,研究生物视觉感知活动规律对图像分割及处理很有帮助。视觉注意是生物进行视觉感知活动的重要环节,将视觉注意机制引入到图像分割方法中,有助于改善分割效果,提高分割的准确度。本文从Itti视觉注意模型入手,将其与种子区域生长算法相结合,以改善分割效果,提高图像分析与理解的效率,对新的基于视觉注意的图像分割算法进行探索与研究,并进行相关的实验分析,主要内容如下：1、概述本文的研究背景及其意义,介绍了图像分割、视觉注意机制的研究现状,分析各种常用图像分割方法的主要特点,并给出了本课题的主要研究内容。2、介绍了线性滤波及非线性滤波的基本原理,对典型的均值滤波、高斯滤波及中值滤波的特点进行了分析,并对色彩空间的应用及转换进行介绍。3、进行视觉注意机制的建模理论与计算方法研究,对人类视觉认知的生理学基础进行介绍,分析了视觉信息处理过程的主要特点,对视觉注意的相关建模理论和计算过程进行研究与分析,并对Itti视觉注意计算模型进行相关的实验。4、分析了基于区域的图像分割方法的基本原理,重点研究了进行区域生长时种子点的选取方法及生长准则,并进行相应的实验。5、进行基于视觉注意机制和区域生长的图像分割方法研究。将Itti视觉注意计算模型与基于区域生长的分割算法相融合,进行改进与补足,实现自动种子区域选取,改善区域生长算法因种子点选取不当所造成的错分割,并通过合理设定区域生长准则与合并准则,减少伪注意区域,获得较为符合人眼视觉注意机制的分割效果,为后面进一步的图像分析和理解提供合乎人类视觉认知的分割信息。通过实验对本文方法进行验证,对新的基于视觉注意的图像分割算法进行探索与研究。