图像边缘包含了图像丰富的细节信息，这对于后续的特征提取、目标识别等关键任务具有重要意义。而传统的边缘检测方法对于细节较为丰富的图像会丢失较多的边缘信息，考虑到视觉系统对于图像边缘具有良好的处理效果，本文尝试采用视觉编码机制的方法对图像边缘进行检测。目前虽然已有许多研究人员从视觉机制的角度出发对边缘检测进行探索与实验，但多数是对视觉机制的黑箱模拟，并未真正实现内部的视觉编码特性。因此本文首先针对视觉感受野、方向选择等视觉编码特性进行研究，同时构建点阵神经元群网络，并结合上述视觉编码特性，以具有丰富边缘细节的菌落图为应用对象，解释视觉编码特性在边缘检测中的作用；之后考虑突触STDP机制以及颜色编码特性，充分发挥视觉编码机制对边缘检测的作用；最后本文采用抑制性突触作为突触的数学模型以改善计算性能，同时引入选择注意机制的作用对边缘进行检测，经ROC及信息熵指标评价，本文方法获得了优于传统边缘检测的结果。本文主要工作及研究成果如下：(1)提出了一种基于点阵神经元响应时空信息的边缘检测方法。研究了视觉感受野、方向选择、次序编码等视觉编码机制对边缘检测的作用，给出了实现步骤，同时利用Log-Gabor滤波器模拟视皮层的方向选择特性，通过构建的点阵神经元群实现了对图像边缘的检测。实验结果表明，本文方法对图像边缘进行了有效检测并能对边缘强弱进行表示。(2)考虑到突触对于神经元群网络的信息处理具有重要作用，本文研究了突触的STDP机制，同时由于原始图像的颜色特征包含丰富的边缘细节，因此提出一种基于视皮层突触STDP机制的边缘检测方法，结合颜色编码机制对图像边缘进行检测。实验结果表明，本文方法获得的边缘细节更加丰富，更符合人的视觉认知规律。(3)针对突触STDP机制模型计算效率较低，以及原始图像中其它包含边缘信息的特征未被充分利用的情况，本文提出了一种基于抑制性突触多层神经元群放电编码的边缘检测方法。采用抑制性突触为神经元之间进行信息交互，同时利用选择注意机制获取视觉受关注区域作为主要的边缘检测目标，继而通过构建的多层神经元群对图像边缘进行检测。实验结果表明，本文方法能够获得优于传统边缘检测的结果，经ROC及信息熵定量指标评价，本文方法在边缘检测的完整性及丰富性上具有更明显的效果。