计算机视觉的研究仅通过短短数十年的发展已经成为了当今计算机科学,尤其是人工智能领域一个格外引人瞩目的方向,呈现一派欣欣向荣之态。其中,既包括图像处理在实际生产、生活中的应用,也包括对视觉认知的理论探究。然而,不论是哪一方面,对图像信号的表征问题都历来是研究人员所关注的焦点之一,亦是本文所格外关注的。在人工智能这样一个多学科交叉的领域大背景下,神经生物学乃至认知心理学都为计算机视觉的研究提供了许多非常值得借鉴的启示。因而,本文在设计视觉计算模型的过程中一方面引入了人类早期视觉加工通路诸多优秀特性,例如视网膜的非均匀采样、神经节细胞感受野的双高斯差(DoG)响应、并行加工视觉通路等；另一方面,通过针对这样一种基于生物结构的视觉计算模型的效能分析,来进一步尝试探讨某些优秀的生物结构背后蕴含的原理,以及产生这些特性的原因。本文所构建的视觉计算模型主要用于检测输入图像中的“边界直线段”也就是视觉刺激的“局部朝向特征”,并将其视为图像的基本构成元素,来对原图像进行重建和表征。另外,我们在构建模型的基础上还通过实验对模型自身的各种参数进行了调整,并针对效能优化做了一定的数据分析。最后,我们还讨论了在何种配置条件下能使得这样的视觉计算模型达到“既具有足够的表征能力,又维持较低的能耗水平”这一最优平衡点。