视觉系统是人类感知客观世界的主要途径。虽然随着神经实验手段的不断完善，人们已经可以从单个视觉细胞、视觉功能团组以及视皮层复杂信息流等层面对视觉系统的神经编解码模式展开研究，但上述研究大多局限于对视觉神经生理实验的观察或验证上。因此如何从人工智能和信息处理的角度出发，考虑建立符合视觉神经特性的网络计算模型，并研究其在图像处理中的具体应用就显得非常有意义。本文首先基于Leaky Integrate-and-Fire（LIF）模型建立神经元网络，利用神经元感受野及发放波动特性，解释视觉感光层功能在视觉系统信息获取中的重要作用；然后基于化学突触可塑性，研究信号传递过程中神经编码的作用，并应用于图像边缘检测中，解释神经编码模式在视觉系统信息提取中的重要性；最后本文以零件断层扫描图像为例，结合感光层功能及基于动态化学突触的神经编码特征实现零件缺陷区域的边缘检测功能。本文的具体研究内容及成果包括：(1)提出了一种基于视觉感光层功能的图像边缘检测新方法。构建了以LIF神经元电生理模型为基本单元的神经元网络；根据特定时间窗口内各个神经元的脉冲发放情况，对神经元的增强(ON)或抑制(OFF)类别进行判断；通过拮抗式感受野特性以及神经元激励的反馈增强模式来实现弱边缘的凸显；为克服视觉感光层所具有的适应性并凸显弱细节的对比度，对图像进行多方向多距离尺度的移动，并融合感光层神经元网络脉冲发放率的差异信息，最后实现图像边缘的有效检测。结果表明所提出方法可以有效完整地检测出图像多强度边缘，且其对弱边缘检测优势明显。(2)提出了一种基于动态化学突触连接的图像神经编码边缘检测方法。构建了以LIF神经元电生理模型为基本单元的三层神经元网络，基于中心给光兴奋(ON)周围去光兴奋(OFF)的感受野特性，改变化学突触连接的信号传递能力，凸显图像空间信息编码特征，分离图像边缘及非边缘所对应神经元的发放模式；为消除神经元网络对噪声信息的误编码，对图像进行移动预处理；将神经元脉冲反馈作用于化学突触连接，加强神经元网络发放的时间特征对编码的影响，实现图像边缘的有效检测。结果表明本文方法可以有效的检测出图像边缘信息，能够充分表达图像中的细节信息。(3)本文提出一种检测零件内部缺陷区域边缘的新方法，尝试视觉神经元网络计算模型在零件断层扫描（CT）图像分析中的应用。通过感光层神经元网络功能及化学突触可塑性，以神经元发放波动率为特征，调整突触连接的信号转化能力，利用具备视觉感知特性的LIF神经元网络发放编码，实现CT图像中缺陷区域边缘检测。实验表明，相较于传统方法，新方法对细节信息的检测效果较好，具有较好的应用可实现性。