视觉系统通过少量神经元可以表达复杂外部环境信息,其中的稀疏响应机制对于视觉计算、图像稀疏表征、信号压缩感知等领域具有重要影响。其中,模拟视觉的图像稀疏表征能够通过最简洁方式表达图像的本质特征以及内部联系,进而提高图像相关问题的处理效率和实时性,引起了普遍关注,成为当前研究热点。基于视觉系统是在外界环境中长期进化而来的假说,以自然图像统计特性为切入点,依据视觉神经生理机制,围绕图像稀疏表征及其应用中的三个核心问题：稀疏表征模型、基函数集的提取及筛选、在图像处理中的应用,进行了系统的研究,主要结果如下：(1)分析了稀疏表示相关的主要视觉神经机制,例如感受野特性、稀疏性、相关性、超完备性和同步振荡等。研究并剖析了其与自然图像特性的内在关系,为解决基于视觉感知的图像稀疏表征方法提供了依据和基础。(2)基于视觉神经机制和相关视觉计算理论,模拟视神经复杂细胞的基函数提取机制,构建了独立子空间和拓扑独立分量分析等稀疏表征模型,提出了相关的自然图像基函数训练算法,建立了基函数完备集；进而,建立模拟视皮层同步振荡机制的PCNN模型,提出了基于神经元响应系数的基函数筛选算法。(3)在上述完备集模型基础上,根据视觉系统为降低噪声和误差敏感性,通过适当冗余增强系统稳健性的特性,进一步使自然图像中提取的特征维数大于图像数据维数,从而形成在不同朝向、相位和频率等条件下的超完备集。针对超完备集带来的稀疏性、相关性和准正交性三个约束条件,提出了相应的OCTICA稀疏表示模型及相关的基函数训练算法。(4)在上述图像稀疏表征计算模型的基础上,提出了解决隐蔽目标识别、运动目标追踪和图像去噪应用的关键算法,设计实验对算法进行验证。实验结果表明上述算法能够解决相应的问题,并在识别准确率、实时性和去噪效果等方面与传统方法相比较有优势。