视觉感知是计算神经和神经工程的热点研究问题之一,一方面它将有助于揭示视觉系统具有惊人信息感知能力的内在机理,另一方面它将给以机器视觉为代表的智能信息处理方法带来新的思路。本文基于人类视觉感知机制构建神经元网络,利用具有时空特性的神经脉冲发放,探索在视觉激励下的神经信息加工过程,并尝试面向图像处理的实际应用。本文首先以突触连接的形式构建新的神经元感受野模型,通过模型对明暗刺激的响应,阐释新模型在实现视觉机制中所起的重要作用;然后考虑视觉通路上的多级方位敏感特性,构建视皮层下-初级视皮层的分级处理模型,利用对低对比度图像边缘的检测效果,解释了方位敏感机制在视觉轮廓感知中所起的关键作用;最后引入视觉信息稀疏编码规则和视觉注意机制,构建具有空间信息融合特性的神经元网络,通过显著性图像对边界响应的调制,提供了一种基于视觉信息反馈调控的图像处理应用新思路。本文主要工作及研究成果如下:(1)以突触连接的形式构建新的神经元感受野模型,实现方位敏感、侧向抑制以及选择注意机制,充分发挥其在感知对比刺激以及空间变化中的作用。将融合了感受野区域信息的图像特征输入神经元模型,将视觉刺激转化为脉冲序列;再从脉冲序列的时间编码信息中解析视觉刺激所包含的特征。神经元响应表明该感受野模型具备了方位选择以及明暗边缘检测等初步的视觉功能。(2)考虑了视觉通路上的多级方位敏感特性,提出一种基于突触连接视通路方位敏感的图像分级边缘检测新方法。针对具有多强度边缘或者丰富细节的图像,利用神经节细胞以及外膝体神经元感受野向心分布的生理结构特性,构建具有多方向敏感特性的视皮层下功能层,提取边缘敏感图像;并优化侧向抑制作用方式,形成初级视皮层功能层,去除冗余信息。实验结果显示,新方法在完整检测图像边缘的同时,并不引入纹理噪声,有着明显的优势。(3)针对视通路模型不具有区分主体轮廓和纹理边缘的能力,引入神经信息稀疏编码规则和视觉注意机制,提出一种基于显著性信息稀疏表示的图像轮廓检测新方法。首先针对初级视皮层V1对图像边界的响应结果,构建具有空间信息融合特性的稀疏神经元网络;其中,网络输入引入视觉注意机制形成的空间差异性特征,网络输出显著性图像;最后利用该显著性信息调控V1边界响应,得到图像轮廓。在自然图像的轮廓检测任务中,新方法能有效抑制纹理边缘的响应,而保留尽可能多的真实轮廓,具有较好的稳定性。