轮廓检测是计算机中视觉的基础任务,其难点在于:在复杂的自然场景中,目标主体通常被大量的纹理信息所环绕,造成目标轮廓与背景纹理区分困难。但无论景象的远近、大小和颜色发生怎样的变化,人类的视觉系统总能快速、准确的感知并理解其主体信息,其主要原因在于人类的视觉系统拥有强大的自适应能力,在视觉信息处理过程中,各阶段的反应都存在随外界刺激或输入信号的变化而自适应调整的情况。因此,本文将视觉系统的自适应机制引入到轮廓检测任务中,以期所提模型能更加符合人类的视觉信息处理机制,并进一步提升其轮廓检测性能。初级视皮层神经元细胞感受野上存在尺度自适应机制,神经元细胞的经典感受野尺度会随视野内对比度的增加而减小,从而有效的获取不同环境下的目标主体信息。受该机制启发,本文提出一个基于感受野尺度自适应机制的轮廓检测模型,通过模拟Y型细胞感受野为适应图像对比度信息变化而进行尺度自适应的过程,得到每一像素点的经典感受野尺度,有效的增强了模型对于弱轮廓的检测性能;通过计算经典感受野最优方向响应与其他方向间的响应存在差异,得到每一像素点的方向显著性来调制亚单位尺度,有效的削弱纹理信息在检测过程中对弱轮廓的干扰。在BSDS数据集和NYUD数据集上的性能指标ODS分别为0.65（BSDS300）,0.66（BSDS500）和0.60（NYUD）,轮廓检测效果取得显著提升。视觉通路上存在自适应信息融合机制,在视觉系统中X、Y细胞形成了两条相互独立的视觉通路,其输出受到视野内对比度信息的调控。受此启发,本文提出一种基于X、Y视觉细胞通路自适应融合机制的轮廓检测模型。通过分别模拟计算X、Y细胞通路的感受野响应,并根据亮度对比度信息计算两条通路上每一像素点的融合权重,使得两通路的轮廓特征随图像对比度信息的变化自适应融合。在BSDS数据集灰度图像上的检测性能ODS分别为0.65（BSDS300）,0.67（BSDS500）,在RUG数据集上的检测性能AP为0.53。实验结果表明,本文所提出的基于感受野尺度自适应机制的轮廓检测模型能够更好的解决弱轮廓的提取和保留问题;基于X、Y视觉细胞通路自适应融合机制的轮廓检测模型能够有效的融合X、Y通道的轮廓信息,抑制边缘纹理的同时保护轮廓信息,使模型拥有更好的鲁棒性,进一步提升轮廓检测性能。