伴随计算机视觉技术在社会生活中应用的渐渐深入,如对交通中车流和人流的监控,如何获得高质量的图像给应用设备是保证目标跟踪、模式识别等高级计算机视觉应用的基石。即使针对雾和霾情况下图像的增强算法的研究有大量优秀的成果,然而,到目前为止,这些成果还很难在这些复杂、多变的恶劣环境下都取得非常理想的效果。更值得注意的是,随着环境变化的加剧,沙尘天气在全球范围内出现的频率越来越高,对于雾霾混合沙尘天气的图像增强工作却几乎没有研究人员涉及。而对于水下图像的研究,随着海洋资源保护、开发的深入,对于高质量的水下图像的需求必将越来越大。同时,医学图像处理一直以来都是图像处理领域的热点和工业应用的重点领域。基于视觉机制的仿生智能算法不仅能够应对以上与日俱增的挑战,而且为与图像相关的工程实践提供新的方法和思路。视网膜在生物视觉系统中占有极为重要的角色,对它的机制进行工程模拟具有十分重要的意义。据此,本文将在视网膜相关机制的基础之上提出三个计算模型来处理上述极端环境的图像。(1)非经典感受野是生物视觉中一种独特的信息处理机制,有别于经典的感受野信息处理机制,其更外周的感受野部分所获得信息对于视觉细胞的响应有一个明显的“补偿”作用。通过对非经典感受野进行有效的、简单的三高斯函数的数学建模,并且从图像去雾的角度进行模型改造,将提出一个能够去雾和增强图像的模型。(2)视网膜中的垂直通路上的双极细胞和神经节细胞同时拥有中心-外周感受野,它能有效的剔除视觉信息中的冗余信息;水平通路上拥有水平细胞和无长突细胞,它们分别对双极细胞和神经节细胞的感受野外周进行调节,使得它们能够最大限度的剔除视觉信息中的冗余信息。正是由于这些特性,提出一个能同时有效增强雾天、雾霾、沙尘、水下图像,且对于一般低质量图像也有很好增强效果的模型。(3)基于视网膜的ON-型视觉通路对图像中轮廓信息的增强,和OFF-型视觉通路对出轮廓信息以外信息的增强,建立了一个有效的双通道的信息处理模型,能够有效地增强雾天图像和医学图像中关节的X射线图像。