本文的研究内容是国家自然科学基金“图像颜色和形状特征绑定的脑认知过程及模型研究"(ID：61070077)中的重要组成部分,旨在对彩色图像颜色和形状特征捆绑模型的构建方法进行研究。图像识别是计算机视觉领域中的一个研究热点和难点,越来越多的受到了人们的关注,具有广泛的应用背景。本文重点研究颜色与形状这两种图像最基本特征的特征捆绑神经网络模型的构建方法,为计算机图像识别提供理论依据和参考模型。针对彩色图像颜色和形状特征捆绑模型构建方法问题,本文的主要工作和创新点如下：首先,在分析基于强度的PCNN模型在彩色图像处理方面不足的基础上构建了基于矢量的特征捆绑PCNN(VFB-PCNN)模型,该模型将PCNN模型处理的灰度标量空间扩展至VFB-PCNN模型的彩色矢量空间,并利用赋时矩阵实现颜色与形状特征的分离以及捆绑,同时完成了迭代次数的自动判定,实现了彩色图像的自动捆绑。仿真实验结果表明,VFB-PCNN模型能够较好的解决彩色图像的自动特征捆绑问题。其次,VFB-PCNN模型能够较好的解决彩色图像的自动捆绑问题,但是却无法识别彩色空间中的所有颜色。因此,在此基础上提出双空间矢量特征捆绑PCNN(DVFB-PCNN)模型。该模型利用将RGB颜色空间与HIS颜色空间相结合的方法成功的解决了VFB-PCNN模型无法分离彩色空间中所有颜色的难题,具有很好的鲁棒性。本文模型能够很好的解决彩色图像的特征捆绑问题,但是所建立模型是基于图像的基本特征所构建的,没有充分利用视觉加工机制。若将视觉加工机制引入模型,构建仿照视觉加工机制的捆绑模型,则更能够接近人脑对颜色和形状的加工方式,更加客观地反映实际信息的加工过程。