人类可以轻而易举地通过视觉系统分辨自然界中变化多端的物体,但这对于计算机来说却是件相当困难的事。怎样使计算机拥有人类视觉快速、准确辨别物体的能力,是目前研究者关注的难点和热点之一。因此,借鉴认知心理学以及神经科学的研究成果,模拟人类视觉系统加工和处理信息过程来建立一个多类物体识别模型,是极具吸引力的探索方向。而Poggio等提出的模拟人类视觉系统腹部通路处理信息过程的HMAX模型,经过不断改进,目前对目标识别和分类的性能有较大提高。本文以视觉认知的生理学和心理学研究成果为依据,重点分析HMAX模型的视觉层次感知机制及其计算模型,结合相关视皮层的功能机理特点,在提高HMAX模型计算速度的基础上,针对特征模板有效性不高的缺点加以改进,并完成对Caltech-101数据库中8类图像目标进行分类和识别任务。取得了如下研究成果:(1)分析腹部通路各层的生理特点和功能以及HMAX模型视觉层次感知机制原理及其计算模型,指出模型目前存在的计算量大、识别速度慢、特征模板有效性不高等问题。(2)根据V4和IT区中的神经元感受野范围仅在一定尺度和位置范围内的生理特性,对HMAX模型S2层的尺度和位置不变性范围进行限定,从而提高模型的识别速度。(3)利用视觉神经元细胞具有选择注意机制的特点,选择兴趣区域中的小块作为特征模板,从而改善因随机选择小块导致模板有效性低的缺点,并以确定兴趣点个数的方法来选择兴趣点,力求改善难以在所有类别目标中协调阈值水平问题。(4)以改进的模型对Caltech-101数据库中的8类图像目标进行分类和识别,并从识别率和每幅图像提取C2特征的时间等方面与HMAX模型进行比较分析。实验结果与分析表明本文改进的模型具有比HMAX模型更良好的识别速度和识别率。