توجه بصری (visual attention)، فرایندی است که سیستم های بیولوژیکی و بینایی ماشین را قادر می سازد تا نواحی جلب توجه را از صحنه انتخاب کنند. مدلسازی توجه بصری، کاربردهای مهندسی فراوانی در زمینه های بینایی ماشین مثل تشخیص شی، بخش بندی تصویر، فشرده سازی تصویر، خلاصه سازی فیلم، برش خودکار، رباتیک و سایر موارد دارد. مدل های توجه بصری به طور کلی به دو دسته تقسیم می شوند. 1) مدل های پایین به بالا، (که مبتنی بر نواحی برجسته تصویر هستند و برجسته بودن این نواحی به دلیل تفاوت ویژگی آن ها با محیط اطرافشان است.) 2) مدل های بالا به پایین (که آگاهانه تر و قدرتمندتر است و معیار انتخاب، وابسته به کاری است که باید انجام شود). تحقیقات زیادی در زمینه ی مدلسازی توجه بصری در طول 25 سال اخیر انجام شده است و مدل های مختلفی ارائه شده است. اکثر مدل های توجه بصری مبتنی بر توجه پایین به بالا هستند و برای تشخیص برجستگی از ویژگی های سطح پایین استفاده می کنند. مدل های بالا به پایین ارائه شده در پژوهش های پیشین نیز اغلب محدود به پیدا کردن نواحی هدف خاص هستند. از طرفی، در دنیای واقعی (توجه بصری بیولوژیک)، از مدل های پایین به بالا و بالا به پایین به طور همزمان و ترکیبی استفاده می شود. از این رو، در این پایان نامه، مدل تلفیقی پایین به بالا و بالا به پایین ارائه شده است که شامل دو قسمت: توجه بالا به پایین و توجه پایین به بالا است. توجه بالا به پایین در این مدل، مبتنی بر نواحی هدف عام است و ویژگی های سطح پایین و سطح بالا را برای طبقه بندی کننده با سرپرست adaboost به کار می برد. توجه پایین به بالا در این مدل، از رنگ پس زمینه برای ایجاد نقشه برجستگی اولیه استفاده می کند و با به کارگیری روش رتبه بندی و استفاده از نواحی برجسته ی نقشه برجستگی اولیه به عنوان پیش زمینه، نقشه برجستگی نهایی ایجاد می شود. در نهایت، دو نقشه برجستگی ایجاد شده از توجه بالا به پایین و پایین به بالا با یکدیگر تلفیق می شوند. پیاده سازی روش پیشنهادی روی پایگاه داده msra-1000 انجام گردیده است و تعیین معیار کمی f-measure و معیار کیفی منحنی precision-recall حاکی از کارآیی مناسب روش پیشنهادی است.