在人类了解客观世界的认知功能中，视觉感知系统扮演了举足轻重的作用，从神经计算的角度对视觉感知系统进行建模并应用，对于信息技术以及人工智能技术的研究具有重要的意义。目前随着神经系统研究手段的完善，使人们得以窥探到视觉信息流的检测、传递以及初步编码的过程。但研究者更多从神经生理的角度，去研究和分析视觉感知系统的新特性。而本文尝试利用生物视觉感知的一些重要特性，进行图像处理的实际应用。本文首先构建级联双稳态模型以及阵列级联FitzHugh-Nagumo(FHN)神经元模型，利用一定强度的噪声能够增强弱信号感知的生物视觉特性，解释随机共振机制在视觉感知系统功能中所扮演的重要角色；其次提出基于方向响应的Integrate-and-Fire(IF)神经元模型，尝试利用视觉感知的方向选择特性以及神经脉冲编码机制，并以图像边缘检测应用为例，解释视觉感知方向敏感特性及脉冲发放特性在视觉感知中所扮演的关键角色；最后本文以低剂量肺部CT图像为例，进行了图像增强的随机共振机制，以及图像边缘检测的神经元方向敏感特性的实际应用。本文主要工作和研究成果如下：(1)提出了一种基于级联双稳态模型的弱信号随机共振增强新方法。研究了级联双稳态模型对于一维模拟信号的随机共振响应，给出了利用定量评价指标选取模型最优参数的方法；采用光栅扫描法实现二维图像的降维，解决了图像增强中行-列级联双稳态模型的输入维数问题，给出了图像增强应用的思路和实现步骤。实验结果表明新方法具有低通滤波特性，能够有效去除信号峰值处的毛刺，凸显信号的轮廓。(2)在级联特性的基础上，考虑了视觉皮层神经元在信息流传递和处理中的阵列特性，提出了一种基于阵列级联FHN神经元模型的弱信号随机共振增强新方法。研究了阵列级联FHN神经元模型对于一维含噪信号的随机共振响应，综合应用光栅扫描和Hilbert扫描降维方法，有效保留了图像的空间结构相关特性，给出了应用于二维图像增强的基本思路。新方法充分利用了阵列级联FHN模型以及噪声之间的协同作用。实验结果表明：新方法使输出信号更加光滑，信号轮廓与细节得到了加强，噪声在一定程度上得到了有效的抑制，且对内噪声强度具有较强的鲁棒性和自适应性。(3)针对视觉感知中神经元响应具有的激励方向选择特性，提出了一种图像边缘检测的新方法。提出对图像进行Log-Gabor滤波器多方向分解，以充分反映视觉系统的方向选择性；并利用IF神经元模型的脉冲发放以及编码特性，实现低剂量肺部CT图像的边缘检测。实验结果表明：与传统的图像边缘检测方法相比，新方法能够丰富图像的细节，改善图像的边缘特性，加强图像的层次感。