据物理学家组织网最新报道，加拿大约克大学的视觉研究者近日对多种视觉图像处理算法进行了测试，并经特定实验发现，人脑并不会优先处理图像中的有趣区域，这挑战了已有61年历史的经典理论。这一成果在理解人类视觉、视觉处理及诊断视觉病理方面，具有重要理论意义，在自动驾驶等应用模型的建立和改进中也会发挥作用。相关论文发表在最近的《公共科学图书馆·综合》（PLOS ONE）期刊上。
　　约克大学拉森德工程学院电气工程与计算机科学系教授约翰·索茨的团队发现，人脑不会优先处理图像中的有趣区域。这与心理学家唐纳德·布罗德本特教授影响广泛的“早期选择理论”背道而驰。该理论认为，大脑按图像的有趣程度依次关注并处理相关信息。
　　目前已有数百种算法基于这种图像区域的有趣程度建立，但都未对这一理论提出质疑。索茨说：“我们的研究测试了数百种算法中比较先进的，并提出了问题——‘这些算法的性能与人类表现孰优孰劣？’”
　　研究人员设计了一些重复实验。其中一个实验的受试者要在短时间内分辨特殊处理的图片中是否画有动物，而受试者只能通过图片上不同小片区域的图像，来给出答案。这些图像并没有体现出有趣程度的差异，也就消除了显著性这一参数的直接影响。受试者能够快速正确识别图像内容的结果，与理论“设定”正好相反。
　　研究结果表明，人确定图像所描绘事物的能力与图像有趣程度的显著性无关，而基于显著性规则开发的算法的识别能力远逊于人类表现。其他实验还证明，虽然显著性主要决定人眼先看到哪个场景，但决定人脑处理顺序的是眼部动作。换言之，显著性不能决定大脑的视觉处理顺序。