随着互联网的发展，电子邮件的使用也变得相当普及，但随之而来的垃圾邮件却给人们带来很大的危害和经济损失。因此，垃圾邮件的自动过滤技术受到越来越多的关注。然而目前的过滤技术很少针对群发垃圾邮件内容相似的特点，耗费了资源，同时，对图片垃圾邮件的过滤研究也刚刚处于起步阶段。 本文针对群发垃圾邮件内容大量重复的特征，根据Edehnan等人的脑感知学习模型提出了一种新的基于感知学习的垃圾邮件过滤算法，并依此设计了一个自学习合作式网络垃圾邮件过滤系统框架模型，并行的对文本和图像邮件进行处理。 该过滤系统中包含三个核心技术：文本邮件特征提取，图像邮件特征提取，以及基于感知学习的垃圾邮件过滤算法。文本邮件特征提取采用改进的文本数字指纹技术将邮件文本进行分段，对各段进行编码，生成特征向量，通过比较各文本之间的特征向量，得到邮件文本之间的内容相似度矩阵。图像邮件特征提取先对图像中的显著文本区域进行定位，接着将文本区域用SIFT(Scale Invariant Feature Transform)特征表示方法生成特征点向量，并依此计算邮件之间的相似度矩阵。基于感知学习的垃圾邮件过滤算法是系统的关键部分，算法中将脑对陌生事物的记忆学习类比于系统中对未知邮件的学习，最后给出了仿真实验结果。结果表明，该算法可以有效的识别内容相似的垃圾邮件，并对新出现的垃圾邮件有较快的反应能力。