计算机领域是一个内容丰富且极具挑战性的领域。传统通用视觉的计算模型是自下而上的、被动的，侧重于视觉信息的表示问题，从而有选择地忽略了视觉信息的获取和处理过程，尤其忽略了人在获取视觉信息时的主动性和选择性。目前许多研究者着重于把生物物理学和神经生理学的理论联系起来，而选择性注意机制正是目前视觉研究的发展方向和热点。　　 本文采用视觉选择性注意机制的计算模型，在多尺度空间下提取图像的各种早期初级视觉特征，并构成度量显著性的特征空间，最后通过“迭代”策略生成显著特征图。然后引入神经网络知识，选择具有自主学习的自适应共振理论ART神经网络对计算模型进行训练，并将其应用在人脸表情分类上。通过把人脸各种表情的显著特征图作为神经网络的输入向量，采用ART学习算法进行训练分类。由于ART神经网络是一种无师监督的学习网络，具有自主学习、自适应和自组织能力等特点，可以自发地对环境认识并产生编码，外界环境与网络之间有良好的互动性，所以实验最后得到的通过预处理的图像较好地进行了表情分类识别，提高了识别率。　　 最后，总结了本文的研究工作，并对以后的研究内容提出了方向和思路。