弯角是轮廓特征中重要的支配点,利用弯角及其所相邻的边缘信息来描述轮廓,能够在最大限度保留图像特征的同时,有效的减少了数据量。弯角识别是(模式识别)领域重要的基础之一。传统工业的图像弯角识别算法,以数学方法为基础,通过角点及角点附近区域的像素点上各类数值的异同,识别角点。但却存在一定的局限性,例如现有的无人驾驶技术还无法在有限的空间内实现高效、快速且准确的识别复杂的路况、车况信息。随着时代的发展,人们对图像的识别技术需求日渐增加。在要求识别准确的同时,还要求快速且低能耗。在各国开启脑研究的浪潮后,基于人体视觉系统的图像识别技术成为了新的研究方向。人体视觉系统具有识别迅速、准确、低能耗、低空间需求等特点,符合人工智能领域的各项需求。同时,大脑作为人类最精密复杂的器官,人类对其的研究还极为浅显。揭示人类大脑的运行机制,在医学、生理学等领域均具有重要的意义。基于人体视觉系统的弯角信息提取机制,首先要明确弯角的概念。目前,对于弯角的思考主要有两种观点,一种是以图像相邻边缘位置信息为依据推测角顶点的位置。这种学说对角附近的区域信息并没有充分利用,同时计算出的角顶点的位置与心理学实验结果不吻合。而另一种则是认为弯角是线的端点或是弯曲的极端情况,论文据此观点提出一种基于初级视觉系统的弯角信息提取机制,能够在不依据图像边缘位置信息的条件下通过计算获得角顶点位置。由简单细胞的感受野模型搭建的微分细胞感受野算子,以二维的离散分布方式收集弯角附近区域的微分细胞反应值,并通过集群计算确定角顶点位置及其他相关信息。通过实验发现,以此方法计算出的角顶点位置会向角开口方向偏移。并且偏移量不仅与角的度数存在关联。而且与解像度所对应的细胞感受野尺寸呈现正比的关系。实验数据与Müller-Lyre错视觉图形的生理学实验结果相对比,在采用不同的解像度条件下此方法与心理学实验结果相吻合。此方法突破了传统方法对边缘信息利用的局限,利用复杂细胞感受野算子实现了对弯角周边区域信息的提取。并依据所提取信息的有效部分计算出符合心理学实验结果的角顶点位置。明示了在不借助简单细胞边缘信息的条件下,单独利用微分细胞模型检测角顶点位置的方法,并且通过实验对Müller-Lyre错视觉现象做出了解释。进一步,提出了在弯角信息提取问题上,视觉系统解像度选取的方案,并通过实验证实了方案的有效性。