信息技术的迅速发展促使图像信息日益膨胀，人们不得不借助计算机系统来处理和分析这些海量数据。同时，一方面，图像数据的增加速度远比计算机处理能力的提高速度快；另一方面，人们所关心的内容通常只是整个数据集合中的很小一部分。因此，如何尽快地从全数据集中找到并提取与任务相关的那部分“值得关注”的信息，成为了基于视觉注意机制的图像检索技术要解决的问题。视觉注意机制能够从一定程度上克服“语义鸿沟”，同时基于感兴趣区的图像检索系统也能够从一定程度上克服背景对检索结果的影响。但是目前的视觉注意力模型存在特征提取不充分，特征融合过于复杂，不利于引入检索系统等问题。因此针对上述问题，本文提出了一种基于改进的Itti视觉注意模型的图像检索系统。系统包括如下三个部分：（1）底层视觉特征提取。本文将纹理特征引入Itti视觉注意力模型，使图像的纹理粒度特性得到反映，提高系统查准率。H_s，（根据2）H图像分割。利用基于遗传算法的最优直方图阈值图像分割算法找到最优的阈值ss分别对多维显著图进行阈值分割。本文中改进的遗传算法能够快速找到最佳阈值，使图像分割结果更准确。（3）感兴趣区域提取。以多维显著图的显著点为种子，分别对分割后的显著图进行区域生长，从而得到各个特征的兴趣区域。通过兴趣区域合并准则，得到最终的感兴趣区域。本文实现的基于视觉注意机制的图像检索系统，在图像特征提取、图像分割等方面运用了高效率的算法，最终得到图像的感兴趣区域，将其作为图像的标志性特征，进行图像相似性度量。实验结果表明，该系统从一定程度上克服了“语义鸿沟”，具有较好的查全率和查准率。