视觉是生物获取外界信息的主要传感方式。视觉信息的丰富性和视觉特征的复杂性,使得其在运动感知中发挥着不可替代的作用。目前,如何建立一个既可靠又高效的动态视觉系统来进行运动感知仍然是一个开放性挑战。然而,自然界已经为我们提供了多种杰出的范例来解决这个问题——经过数百万年的进化,视觉动物大多都具备高效可靠的运动视觉感知的系统以适应生存的需要。特别是,节肢动物的视觉神经系统虽然相较于脊椎动物来说规模较小,但仍然可以在复杂动态环境中灵敏闪避而不发生碰撞。因此,研究和探索节肢动物的视觉神经通路和方法不仅对生物神经系统研究人员具有吸引力,而且对于为未来的智能机器提供有效的防撞解决方案至关重要。本文从螃蟹视觉系统的生物学研究出发,提出了受螃蟹运动感知视觉神经系统的启发的、具有生物似然性的神经网络计算模型。本文所提出的神经网络计算模型在准确模拟真实生物视觉信息处理过程的基础上,验证生物运动感知机理的基本假设,不仅论证了生物视觉动态感知神经网络的有效性和可靠性,还基于此发展出一系列生物似然的、且高效可靠的动态迫近探测算法。本文提出的所有计算模型为模拟螃蟹感知迫近和平移运动方向感知功能的前馈计算神经网络模型的探索性研究。具体来说,本文所提出的神经网络计算模型包含螃蟹小叶层的两种迫近敏感神经元（即,MLG1和BLG1）,以及LCDCs方向选择性神经元。本文的贡献如下:为了模拟螃蟹的MLG1迫近敏感神经元群,本文从已被广泛研究的LGMD计算神经网络的神经形态结构中获得灵感,首先提出了基于MLG1神经元集合的计算模型来空间定位迫近运动目标,即迫近事件空间定位神经网络。该模型利用赢者通吃机制来判断首个迫近运动目标的空间方位。此外,模型还引入了一种具有生物似然性的脉冲频率适应机制,以塑造神经元对迫近和远离运动的选择性。为了提取全局运动的运动线索,本文随后提出了一种运动敏感神经元集合突触后神经网络模型,即全局加速运动感知模型。该模型设计和使用一种基于脉冲激发时间的时间差分编码器,它通过编码比较两个相邻神经元产生的连续脉冲之间的“时差信号”,来塑造神经元的方向选择性。为了实现加速感知,该模型还设置了基于动态兴奋型突触后电流的自适应脉冲激发阈值机制。因此,只有平移加速运动事件才能激活加速感知器。该模型对平移加速运动的响应也符合了螃蟹小叶层LCDCs神经元的生物物理学研究。该模型不仅提出了一种运动方向和加速行为感知功能的假设,并为未来的神经生理学实验产生合理的预测。为了更好地增强高程俯冲迫近的视觉感知能力,本文进一步提出一种具有BLG1神经元生物似然性的神经网络。该模型的突触前神经网络部分与迫近事件空间定位神经网络的突触前神经网络部分相同。此外,高程迫近感知增强神经网络还引入了具有生物似然性的局部视野接受域归一化机制和对比度前馈抑制神经突触,以提升模型的对迫近运动感知敏感性。系统性实验表明,对比归一化机制可以确保神经网络模型在面对不同背景对比度时能够保持输出不变性。此外,该神经网络模型还设计了一种符合BLG1神经元生物神经学研究发现的径向扩展的空间增强分布,以选择性地增强高程俯冲迫近运动产生的信号。合成及真实世界场景测试比较实验结果预示了以这些生物似然性运动感知神经网络模型为基础,构建新型快速、可靠、低能耗的神经形态传感器并应用于微型自主移动机器人的可能性。值得一提的是,文中所有神经网络模型的解释和论证都尽可能地符合螃蟹行为学和神经学研究发现。更广泛地说,本文是一次将人工神经网络与生物学研究发现相结合的有效尝试,不仅增强了人工视觉神经网络的可解释性,还促进了对如节肢动物视觉系统等复杂生物神经系统的理解。同时,本研究也为结合生物学、计算机视觉和机器人学等多学科交叉融通的研究思路提供了实践参考。