生物的视觉系统是个非常复杂的串行与并行相结合并不断进行信息融合的信息处理过程。模拟生物视觉系统来进行目标的分类识别是计算机视觉领域一个新的研究领域,并具有广泛的应用前景。因为生物视觉的复杂性,很多视觉系统的处理过程仍是一个谜题。本文针对灵长类动物大脑视皮层中快速识别的前馈路径,对模拟此过程的生物视觉标准模型展开一系列的研究,主要工作如下：首先介绍了生物视觉处理信息过程中各阶段的理论知识,视皮层V1层简单细胞的模拟建模方法,包括Gabor滤波器和图像基函数ICA的表示方法。在自然图像的实验基础上,证实两者与生物视觉皮层简单细胞的感受野特征存在着一定的联系。其次,在深入分析HMAX模型和改进Serre标准模型基础上,介绍了Serre标准模型中的各个层次的原理以及具体的实现方法。选取图像数据库Caltech 101中的三个类别做实验,实验说明不同图像模板大小对识别率的影响。此外,在分类器选择中选用AdaBoost与SVM两种,对它们性能做了对比实验分析。最后,指出了Serre标准模型中的二个不合理之处。第一个尝试是引入视觉注意机制来解决Serre标准模型训练过程中随机选择模板的问题,通过在显著图中寻找模板来选择能够代表目标的有效信息,从而降低背景对提取模板时的影响,提高了模型的识别能力。通过单目标识别实验,证实了改进后的生物视觉模型具有更好的学习能力,能够在训练图像较少的情况下,获得较为满意的分类识别率。Serre标准模型的第二个不合理之处是只能执行分类,不能对目标定位。S2层输出响应的局部极大值单元则是代表着与目标形状最相符的图像块,通过选择局部最大值来定位图像目标部分,能够更准确地进行目标定位。