目前,移动机器人的目标检测作为一项多学科综合的复杂技术,现已渗透到军事、工业、生活等各个领域,得到国内外研究者的广泛关注。移动机器人的目标检测以图像处理、分析和理解为基础,随着图像成像技术的迅速提升,在获得超高分辨率图像的同时,也带来了图像信息冗余的问题,这为图像后期处理(如目标检测等)增加难度。而反观人类视觉系统则具有异常突出的信息筛选能力,能迅速选择进入人眼的重要信息并做出反应,这种具有选择性和主动性的生理和心理活动被称为视觉注意机制。本文对视觉注意机制的相关原理及方法进行了深入研究,并将研究结果运用在目标检测中,实现场景图像目标的快速自动检测。本文主要的研究内容和成果如下:(1)本文通过研究视觉注意生物学理论并分析现有的各显著性检测算法优缺点,结合特殊环境目标检测的具体应用,提出对IT算法进行改进,使之适用于具体目标检测。改进算法从底层特征显著性分析,选取对目标感兴趣区域提取最有利的若干特征进行计算,使得目标感兴趣区域的提取更加准确完整,弥补了原IT算法在求取目标时轮廓信息缺失的不足。由于在特殊环境中采集的图像含有噪音,本文提出了一种将多重中值滤波与曲波变换相结合的混合去噪算法进行降噪预处理。实验表明该方法较好地降噪并保护边缘,改善图像的视觉质量。在进行降噪预处理的基础上,本文利用改进IT算法进行感兴趣区域提取,并进行目标检测,而目标检测的正确检测率达89%,证明基于视觉注意机制的特殊环境目标检测方案可行。(2)本文利用人工智能中的随机森林算法训练好的显著性回归器映射每个区域特征向量的显著值而获取显著图,使得目标检测过程更加智能化。在求取区域特征时,本文针对具体的应用场景(商场物品检测),选取了对目标感兴趣区域计算有利的区域对比度、背景度以及属性等特征。实验证明本文算法虽然在用时上稍比其他几种对比算法用时长,但显著性检测结果明显远远优于其他几种常见或经典的算法。同时,目标检测的正确检测率达92%,证明可以利用视觉注意机制进行商场物品检测。