自底而上视觉注意力是指人类面对繁杂的视觉场景时,能够迅速地找到与周围区域有明显区别的物体或者区域,并且忽略其它不重要区域的一种初级认知能力。它可以应用在感兴趣目标提取、图像压缩、图像检索、关键帧提取等领域,具有深刻的研究意义与实际的应用价值。首先本文提出了一种面向图像的自底而上视觉注意力计算方法。该算法包含了四个模块:底层视觉特征提取、基于局部空间稀疏编码与重构的显著值计算、特征竞争与合并、形态学操作。在底层视觉特征提取模块,本文将原始图像的三通道信息进行分离,并按照颜色对立机制重组为RG(Red-Green)、BY(Blue-Yellow)两种颜色特征。加上亮度特征,随后对三种特征图像进行多尺度表达,以获得充分的图像底层信息用于驱动自底而上视觉注意力的计算。在显著值计算模块,本文尝试利用稀疏编码来表达局部区域的显著性,这与人类视网膜上的视觉局部刺激原则相符。为了减少信息的损失并且充分体现局部区域的差异性,本文使用了区域约束线性编码(Locality-constrained Linear Coding,LLC),它将中心区域作为输入信号,周边区域作为字典。编码的重构误差代表了中心区域与周边区域的差异程度,可以作为局部区域的显著值。在特征竞争与合并模块,本文提出了基于熵的赢者通吃输者淘汰策略,仅选择具有代表性的特征显著结果进行叠加。本文将该算法在MSRA-1000数据集中进行了验证,实验表明该算法相较于其它九种自底而上视觉注意力算法具有更出色的计算结果。随后本文引入了直接针对显著图的交叉熵评估,结合领域内常用的F1评估与ROC(Receiver Operating Characteristic)评估,本文提出的图像算法均取得了最佳的得分。随后本文在图像算法的基础上进行扩展,提出了一种面向视频的自底而上视觉注意力算法。主要包含了三个模块:底层视觉特征提取、基于多时间尺度稀疏编码与重构的显著值计算、特征合并与归一化。为了体现前后帧之间的差异,并且充分计算出视频中的运动信息,本文针对不同的视频类型,结合多个时间尺度的构建,提出了不同的编码与重构策略。同时,本文自主建立了视频数据集,该数据集包含了 16段多种类型与内容的测试视频。本文在该视频数据集上进行实验以验证该视频算法的可行性与有效性。实验结果表明本文所提出的视频算法可以有效计算出视频帧中最引人关注的区域。并且在PRI(Probabilistic Rand Index)评估和一致性评估中,本文视频算法的性能均优于其它三种对比算法。