老鹰等动物能快速、准确地从复杂背景中捕获和跟踪猎物的能力一直是智能跟踪系统发展和追求的目标。通过仿生动物视觉神经信息处理系统实现复杂背景下的运动目标检测与跟踪,往往需要提取目标静态特征、动态特征及两者复合特征,自底向上完成对目标的注意。静态特征往往是动态特征的基础,本文主要研究基于视觉感知机理的复杂背景下目标静态特征提取和识别问题,通过深入探讨和分析模型改进、纹理特征提取和兴趣目标识别等问题,来提高兴趣目标在显著图的显著程度,从而达到首先或率先聚焦在兴趣目标上,快速实现目标检测的目的。首先介绍了视觉注意模型的研究现状,讨论了人类感知系统的结构与特点。显著图是视觉注意的基础,有意识地增强显著图中兴趣目标的显著度是快速实现目标检测的途径之一。Itti视觉感知模型缺乏目标分类特征,难以达到率先注意兴趣目标的目的,据此本文提出利用特征分类来增强兴趣目标在显著图中显著程度的方法。其次,利用灰度共生矩阵提取人造物体和自然物体的纹理特征,运用支持向量机实现对两类物体的非线性分类。自然景物的纹理特征和人造景物的纹理特征存在差别,自然景物的纹理较粗糙而人造景物的纹理较细致。最后,在Itti模型上融入轮廓和纹理特征,改进计算模型,进行试验比较验证。即便是在融入轮廓特征后,自然物体的显著性还很强甚至具有最高显著度,未能率先聚焦兴趣目标。通过纹理特征来区分自然和人造景物并将其融入到整个框架中,为目标检测提供更多的线索。理论和试验结果表明,该改进模型能通过增强兴趣目标在显著图中的显著程度来实现复杂背景下的目标检测。