图像描述是连接计算机视觉和自然语言处理两个领域的跨学科研究任务,已成为当下研究的热点问题。该任务旨在生成概括图像主要内容的描述语句,主要包含图像中存在的目标、属性、场景及它们之间的关系。鉴于编码-解码框架在机器翻译的研究工作中取得了良好的效果,研究人员将其应用到图像描述任务中,获得了显著的进展。在该框架下,如何有效地解释视觉表征和学习语言模型任务已成为图像描述算法的关键。在已有研究中,一方面常将这两个任务同时进行,另一方面它们也忽略了图像显著性的重要性。本文结合长短时记忆网络和视觉注意机制,研究高效的图像描述算法,主要贡献如下:(1)提出了基于自适应视觉注意机制的双长短时记忆网络图像描述算法。该算法在编码-解码框架中,利用两个长短时记忆网络代替单个长短时记忆网络构成解码器,其具有两个子模块:视觉注意模块和语言生成模块。视觉注意模块为第一个长短时记忆网络,用来处理视觉表征以获得更细粒的视觉信息和视觉哨兵;语言生成模块为第二个长短时记忆网络,其输入是视觉注意模块的输出,用于生成描述语句。通过与现有的经典图像描述算法对比,验证了该算法的有效性。(2)在本文已有工作的基础上,考虑图像显著性的作用,进一步提出了融合显著先验信息的图像描述算法。该算法将原始目标图像的显著图作为弱监督信息,用来自动生成描述语句。这一算法在不忽略非显著视觉信息前提下,通过融合原始目标图像及显著图,获取反映描述语句中主体所对应的视觉区域的显著先验图,以增强模型对显著目标区域的关注。