在图像信息分析和理解方面,生物视觉具有远超机器视觉的非凡能力。通过对其内在神经系统运行机理的研究和模拟,一方面将有助于更好地理解视觉信息的传递和处理过程,另一方面也将为实现视觉网络计算模型的构建提供必要的理论基础,从而为图像处理算法的应用带来全新的研究思路。本文考虑了视觉信息传递过程的特点,基于视通路中多层机制的视觉响应特征构建了相应的多层视觉网络模型,提出了多视通路间的视觉融合模型;研究了视通路上视觉信息处理的底层规则和高层机制,在视通路多层视觉模型中引入了视网膜神经元网络和视皮层高级中枢反馈单元。本文以图像轮廓检测为例,将所构建的多层视觉网络模型应用于图像处理中。本文的主要研究工作及成果如下:(1)对视通路中神经节细胞的经典感受野响应进行了改进,提出了神经节细胞中心周边拮抗机制产生的DOG负值效应,并设计实现了一种能够处理这种负值效应的简单细胞感受野方位感知模型,同时引入了视觉信息处理的多通路并行机制,将视通路划分为主视通路和副视通路加以研究,并提出了利用不同视通路中视觉信息差异来抑制纹理和增强轮廓的方法,设计了V1区复杂细胞的多视通路视觉融合模型。通过轮廓检测实验验证,本文所提方法的平均P值指标为0.45,取得了良好效果,并与DG、CORF和SSC等方法进行了分析比较。相较于对比方法,本文方法在目标轮廓检测中消除了大部分的纹理干扰,具有较好的轮廓检测精度,验证了新方法的有效性和可行性。(2)提出了一种具有方位选择性的双椭圆结构简单细胞感受野新模型,并结合了多尺度神经节细胞感受野特性、视觉注意特性以及高级神经中枢的反馈调节特性,引入了一种能够反映局部图像离散程度的纹理抑制因子,对初级视皮层简单细胞的视觉输入进行反馈调节,从而完成图像轮廓提取任务。在Ru G40数据库和BSDS300数据库的综合轮廓检测试验中,本文所提方法的平均轮廓检测水平P值指标为0.63。本文方法使用更符合生物视觉底层生理特性的计算模型来获得轮廓细节信息,利用视皮层高级神经中枢反馈调节机制抑制纹理,从而保留了更多主体轮廓,提高了整体的检测性能。(3)针对医学图像纹理噪声复杂的特点,提出了一种综合考虑非经典感受野调节机制和反馈调节机制的改进视觉计算模型,增强了纹理抑制能力和噪声适应性。本文选择医学上的红细胞图像、大肠杆菌图像和肺部CT图像作为实验用图,以传统的边缘检测方法作为对比,进行了验证实验。实验结果表明,本文方法对医学图像中出现的噪声具有一定的适应性,在轮廓细节检测方面具有一定优势。