轮廓与边界检测技术作为计算机视觉领域的一项基础研究,近几十年来被广泛研究,由于场景的复杂性,自然图像的轮廓与边界难以被检测出来,这将直接影响更高级的视觉任务。本文着重研究自然图像的轮廓与边界检测技术,通过引入人眼视觉信息处理机制,提出了两种轮廓检测算法:一种是基于组合感受野和朝向特征调制的轮廓与边界检测算法、另一种是基于视觉颜色理论和同质抑制的轮廓与边界检测算法。首先,研究了基于非经典感受野各向同性抑制的轮廓与边界检测算法。利用2D-Gabor函数模拟视皮层V1区神经细胞的经典感受野,DOG函数模拟非经典感受野,与Canny算子相比,该算法能有效减少纹理边缘并保留轮廓与边界,然而该算法直接将图像投射到视皮层上,忽略了外侧膝状体的处理过程,因而研究了基于组合感受野的轮廓与边界检测算法,该方法虽然优于基于2D-Gabor函数的轮廓与边界检测算法,但是没有考虑非经典感受野对经典感受野的抑制作用,导致结果中含有较多的纹理边缘。其次,考虑到非经典感受野对经典感受野的抑制程度与两者间的朝向特征差异有关,本文提出了一种基于组合感受野和朝向特征调制的轮廓与边界检测算法,实验结果表明,该算法有效减少了纹理边缘。最后,考虑到颜色信息对于理解自然场景的重要性,研究了基于视觉颜色理论的轮廓检测算法,通过模拟视觉通道上的颜色拮抗机制,检测出图像中的颜色和亮度边界,然而,检测结果中含有较多的纹理边缘,利用非经典感受野对经典感受野的同质抑制作用,本文提出了一种基于视觉颜色理论和同质抑制的轮廓与边界检测算法,实验结果表明,该算法能较好地检测出自然图像的轮廓与边界。