哺乳动物具有高度发达的视觉系统,因而对哺乳动物的视觉系统进行探索和研究具有非常重要的科学意义和应用价值。计算机视觉旨在使计算机拥有类似于生物视觉系统的信息获取、处理、和理解能力。若能准确地对哺乳动物的视觉感知机制进行数学建模,则可以为计算机视觉的研究提供充分的科学指导和理论保证。近年来,生物学和神经学针对视觉感知机理的研究取得了丰硕的成果,这些研究成果为我们提供了对视觉感知机理进行数学建模的可能性。图像的局部结构复杂多变,蕴含着与图像语义内容相关的丰富信息,如何准确地表达局部图像结构所蕴含的信息是计算机视觉领域的根本性难题之一。本文通过对哺乳动物的视觉感知机制进行数学建模,提出了若干局部图像结构表达算法,并利用这些算法解决了计算机视觉研究中的若干重要问题。本文的研究内容和创新点主要包括以下方面:1.基于视皮层各向异性机制的局部图像结构表达:为模拟视皮层的各向异性(Anisotropy)机制,将图像的每个像素视为一个神经元,通过计算像素级的伪魏格纳-维尔分布(Pseudo Wigner-Ville distribution,PWVD)和瑞利熵(Renyi entropy)而得到其各向异性值。再通过各向异性值的相近程度来建模神经元之间的激励作用(Excitatory)或抑制作用(Inhibitory)。最后通过二值编码的方式定量表达局部邻域的神经元之间的相互激励或相互抑制作用,进而得到局部各向异性模式(Local anisotropic pattern,LAP)。通过纹理图像分类和客观图像质量评价实验证明了所提出的局部各向异性模式可以精确地表达图像局部结构信息,进而实现准确的纹理分类和客观无参考图像质量评价。2.基于视皮层脉冲发放编码的局部图像结构表达:视皮层的神经元通过发放脉冲(Pulse spiking)的方式工作并相互影响。基于神经元的脉冲发放机理,本文提出了一种局部发放模式(Local spiking pattern,LSP)。局部发放模式通过对神经元在不同迭代次数时的脉冲发放结果进行二值编码,以获取每个神经元与周围神经元之间的脉冲发放关系。通过这种局部的脉冲发放关系来表达图像的局部结构信息。通过纹理分类实验验证了所提出的局部发放模式可以精确地表达图像局部结构特征并区分旋转、光照变化、噪声环境下的不同纹理。3.基于高阶局部差分模式的无参考图像质量评价:针对传统局部二值模式(Local binary pattern,LBP)不能编码高阶结构信息、并且不考虑图像结构的方向性的问题,本文采用高阶局部差分模式(High-order local derivative pattern,LDP)提取图像的质量感知特征,并进行无参考图像质量评价。所提出的算法首先利用高斯拉普拉斯(Laplacian-of-Gaussian,LoG)对图像进行多尺度分解,然后对每个尺度计算其高阶局部差分模式的直方图,最后将高阶局部差分模式的直方图作为特征训练回归模型。实验结果证明了所提出的基于高阶局部差分模式的无参考图像质量评价方法取得了比现有算法更优的性能。