人类从外部世界获取信息的最主要的途径就是视觉,对于视觉信息的相关研究是如今科研中的的重要课题之一。计算机被发明之后,人们就希望未来某天计算机能够跟人类一样去认识、理解甚至改造世界。然而,目前计算机的视觉能力却远不及人类的视觉能力。为了使计算机视觉的能力得到提高,许多模拟人类视觉特点的图像处理方法因此被提出。其中视觉注意机制计算模型就是最近兴起的一种图像处理的方法,本文对视觉注意机制模型及其模型中的剪裁策略进行研究并应用到气体泄漏源的定位中。本文的创新之处和主要工作如下:(1)本文将亮度,颜色,方向与边缘信息综合考虑,构成了融合边缘信息的数据驱动视觉注意机制计算模型。在数据集中选取边缘信息明显的图像进行实验,与传统模型方法进行比较,计算两种方法获得的显著图,根据评价指标分析,验证了本文方法的有效性。将本文模型应用在易发生泄漏的气体设备中,可以有效地识别显著区域。(2)对任务驱动视觉注意机制计算模型而言,研究的重点为寻找先验信息,难点在于此先验信息要具有对图像特征最准确的作用,以使任务目标的搜索速度与准确度得到最优。为了最大化突显显著图中的目标物,将目标物和干扰物的相对显著值作为搜索过程中特征图的合并权值,基于此本文提出一种最大平均方法。通过实验结果验证,此方法可准确地表示不同情况下目标物的显著程度。(3)本文通过对视觉注意机制模型的研究,进一步提出了特征剪裁策略,具体为在所有的特征图中,只选取特征权值大于剪裁阈值的特征图来进行最后的显著图合并,从而来减小目标搜索过程中的时间及内存占用。其中重点研究了特征剪裁的方法与剪裁阈值的确定,从而得到最优特征剪裁策略。实验结果表明,本文提出特征图剪裁策略与传统的任务驱动模型相比,能够有效提高目标的搜索速度和搜索精度,该策略在气体泄漏源搜索的应用中也具有理想的检测效果。(4)本文使用MATLAB语言编写算法,设计了基于视觉注意机制的气体泄漏源图像识别系统,该系统可以实现泄漏源显著区域识别、泄漏源图库训练、泄漏源搜索等功能,并且满足了用户对图像与数据的读取以及存储的需求。