多模式信息融合技术是一门新兴的实践应用技术,有着广泛的应用领域,它为各领域的信息处理以及决策支持提供了可靠的手段,具有很高的研究价值以及应用潜力。本文模拟人类多模式信息融合的机制,进行了视触信息融合的研究,通过注意力机制提高计算机信息处理的效率。本文做了如下几方面的研究:首先,分析总结了神经生理学、心理学在人类视触融合机制的最新研究成果。比较了单模式和多模式在物体识别中的优缺点。通过比较发现,多模式对物体识别具有识别效率高,抗干扰性强的优点。其次,基于神经生理学的最新研究成果,本文建立了机器人视触融合驱动视觉注意的理论模型。根据物体的视觉和触觉信息显著度的不同,选择显著度较大的物体驱动视觉注意,使该物体位于图像分辨率最高的区域,即摄像机光轴与物体形心重合。通过该方法,机器人可以获得更加精确的物体视觉信息,从而提高物体识别的效率。机器人能够通过注意力机制实现相关参数的实时自动更新,提高系统的自适应能力。基于该理论模型的机器人通过学习能够补偿由于环境变化和自身机械结构变化而引起的误差,矫正CCD摄像机的图像畸变。使运动精度不断提高,从而达到规定的要求。最后,本文根据视觉注意的焦点,建立了基于视觉注意的物体识别的理论模型。在注意前期获得图像显著特征的过程中,根据触觉模式提供的物体位置信息,得到物体在图像中的相应位置,确定图像处理的区域,提高了图像处理的效率。基于注意焦点的物体识别可以获得更加精确的图像信息,提高物体识别的准确度。