真实影像再现是为了使成像设备能够提供符合人眼生理视觉感知的理想图像的处理技术。生理学研究表明,即使在环境光照出现巨大变化的情况下,人类视觉系统也能够很好地对景物保持正确地感知。因此,在视觉系统研究的基础上指导图像处理研究,能够很好地促进图像处理和计算机视觉的发展。本文在视觉神经网络的框架下,提出一种脉冲耦合神经网络(Pulse Coupled Neural Networks, PCNN)与视网膜神经节细胞ON-OFF对抗机制相结合的真实影像再现算法。PCNN是基于哺乳动物视觉原理构建的一种新型神经网络,其同步脉冲发放特性与全局耦合处理机制符合人眼视觉系统的生理学基础。被动膜方程(Passive Membrane Equation, PME)是对视网膜感受场中心-环绕对抗原理的一种神经动力学描述,提供了对视网膜神经节细胞ON-OFF对抗机制的一种模拟,非常适合彩色图像的增强；因此,将PCNN模型与PME相结合,指导真实影像再现,具有很高的理论价值和应用前景。本文的主要研究内容如下：1.对几种基于视觉特性的真实影像再现算法进行研究分析,探讨所涉及的相关视觉特性,引入视网膜感受场的ON-OFF对抗机制,并深入分析各算法的优缺点；重点对Retinex系列算法和神经动力学算法进行分析讨论,Retinex符合视觉系统的特性,具有很好的颜色恒常性,神经动力学算法将视网膜中心-环绕对抗原理引入到真实影像再现领域,能获得更加逼真的效果,实验验证了算法的有效性。2.对PCNN的原理及基本特性进行了详细描述,着重研究了PCNN增强算法,灰度及彩色图像的实验与分析表明PCNN增强算法符合人眼的视觉特性。3.对PCNN简化模型—交叉视觉皮质模型(Intersecting Cortical Model, ICM)进行分析,在深入研究基础上对其改进并用于图像增强,实验验证算法的有效性。4.在对神经动力学算法和PCNN算法深入研究的基础上,提出了一种PCNN与PME相结合的真实影像再现算法,将PCNN纳入神经动力学框架,从两者结合的意义、模型框架及性能属性等方面对PCNN-PME模型展开深入研究,实验验证了算法的有效性；针对模型中的关键参数进行详细地讨论,并通过相关实验得到了参数的最优取值范围。