本文在研究了多种神经元模型的基础上,提出了脉冲发放皮层模型,、并发现其赋时矩阵的处理机制符合人眼视觉特性,可作为图像增强的结果进行输出。脉冲发放皮层模型应用于数字图像处理时,在多个方面取得了较好效果,如图像分割、噪声抑制、图像增强、图像检索和分类等。本文主要开展了如下的研究工作：1.简述计算神经科学研究中常用的动力学模型,给出仿真结果；并介绍了Hopfield神经网络模型和常见的脉冲发放神经元模型。2.简述了局部连接神经网络模型：连接模型模型、脉冲耦合神经网络和局部兴奋全局抑制振荡网络,并主要介绍脉冲发放皮层模型,分析研究脉冲发放皮层模型络工作机理和网络参数。3.通过脉冲发放皮层模型的同步脉冲发放特性进行图像分割和噪声平滑滤波,通过研究脉冲发放皮层模型的赋时矩阵进行图像增强。4.脉冲发放皮层模型输出的序列二值图像转化为特征序列,这些特性序列具有对原始激励的旋转和尺度等几何不变性、噪声鲁棒性和标识唯一性,非常适于进行纹理图像检索和分类。本文中用不同的描述方法提取特征,像信息熵、统计矩和正交变换等,并进行系统中加入平滑滤波的方法,提高了检索率。