随着遥感技术的不断发展和进步,遥感影像的空间分辨率不断提高,高分辨率影像中的地物清晰可辨、细节丰富,原来用于中低分辨率的遥感影像特征提取与目标检测方法已经无法满足高分辨率遥感影像应用,使得高分辨率遥感影像自动或半自动地分类与识别面临前所未有的挑战。人类视觉系统具有非凡的认知与识别能力,可以轻易地分辨复杂的高分辨率遥感影像中的各种地物目标,受此启发,本文模拟人类视觉系统的信息处理机制,研究生物视觉启发的高分辨率遥感影像特征提取与目标检测方法,为高分辨率遥感影像自动或半自动地分类与识别提供有力的技术支撑。论文在深入理解人类视觉系统信息处理机理,尤其是腹侧通路视觉信息处理机制与视觉注意机制的基础上,将人类视觉系统感知/认知的层次与低层次视觉特征、中等层次特征、高层(抽象)语义特征相对应,从稀疏感知的纹理模型、层次性的视觉皮层模型以及视觉注意模型出发,面向高分辨率遥感影像土地利用分类,重点研究了纹理特征提取、目标层次视觉特征提取,面向高分辨率遥感影像有限目标识别,重点研究了基于视觉注意的影像目标检测,主要的创新性研究工作如下:(1)提出了基于稀疏表示的方向汇聚方法(OPSR),用于提取稀疏且旋转不变的影像纹理特征。该方法把过完备词典看作大脑皮质中的神经元群,而词典中的每个原子看作对特定方向的刺激产生响应的一个神经元。将词典中的每个原子进行旋转,产生能够响应不同方向刺激的神经元。所有的原子及其旋转后的原子组成扩展词典,而高分辨率遥感影像基于扩展词典的稀疏分解过程就可以表示为神经元群对特定的不同方向的刺激产生的稀疏响应。然后再模拟人类视觉视皮层复杂细胞的汇聚特性,将源自同一原子(包括该原子及对其旋转产生的原子)的所有响应进行汇聚,从而提取稀疏且具有旋转不变的特征。在高分辨率遥感纹理影像上的实验表明,该方法能够提取稀疏具有旋转不变性的纹理特征,有助于高分辨率遥感影像目标分类与识别。(2)提出了增强的视皮层标准模型。该模型不但模拟了人类视觉系统的稀疏编码策略,还利用训练好的过完备词典作为原型词典代替原来视皮层标准模型中随机构造的原型词典,提取具有稀疏性的S2特征,并进一步提取C2特征。这种通过学习获得词典的方式更符合人类的认知过程。将该模型用于提取高分辨率遥感影像的特征,通过两类与多类分类实验,证明本文提出的增强的视皮层标准模型比视皮层标准模型更加稳定、性能更佳、效率更高,对比较规则的纹理结构的高分辨率遥感影像具有较好的区分能力。(3)模拟人类视觉系统的视觉选择注意机制,提出了集成多线索的基于贝叶斯推理的视觉注意模型。该模型将视觉注意理解为处理诸多视觉线索不确定信息的贝叶斯推理过程,利用自底向上的视觉线索与自顶向下的线索先验等信息,并将各线索与位置信息相关联,输入到贝叶斯网络,通过贝叶斯推理模拟人类的视觉选择注意机制,实验证明了该模型可以很好地实现具有复杂背景的高分辨率遥感影像的目标检测。