特征点是图像中的关键信息,其对后续的图像配准、拼接以及其他分析处理具有重要的作用。传统特征点检测方法通常基于像素亮度或颜色上的梯度变化趋势,对于场景复杂的细节图像,误检率和漏检率指标并不理想。考虑到生物视觉系统在提取显著性信息中的不凡能力,本文试图借鉴某些重要的生物视觉机制,实现对视觉信息的特征点描述。从视觉感受野的动态特性、视皮层神经元反馈以及视觉注意机制出发,结合视觉信息流的神经编码,以含有大量细节特征点的建筑图像为实验对象,利用图像特征点一致性CCN作为评价指标,验证了视觉机制在特征点检测中的有效性。本文主要研究工作及成果如下:（1）给出了一种基于初级视皮层感受野自适应的图像特征点检测新方法。研究了视觉感受野的动态特性、时序编码、视觉注意机制等视觉机制对特征点检测的作用和效果,列出了研究步骤,由于图像像素点信息对特征点有决定性作用,因此根据图像不同区域亮度信息构造自适应感受野,并考虑初级视皮层不同层次间神经元的反馈,通过上述环节实现了对图像特征点的检测,解决了固定模型检测导致的特征点检测不精确问题。由实验结果可得,本文方法能对图像特征点进行精确有效的检测并且达到了一定程度上的稳定性,以图像特征点一致性CCN作为评价指标并与传统方法相比,本文方法的CCN平均值最大,其指数级别处于10^-110^-7之间。（2）实现了一种基于视觉颜色信息自适应的特征点检测方法。由于颜色三分量包含的图像特征信息对图像处理有着重要作用,根据三分量对特征点检测的变化关系,重构图像各区域颜色三分量,同时考虑到周边神经元对中心神经元的抑制与激励作用,将颜色重构、神经元周边作用与感受野成像结合起来对图像特征点进行检测,解决了颜色信息变化导致的特征点漏检问题。由实验结果可得,本文方法所获得的特征点更加精确且能较好控制冗余点,与传统方法相比,本文的CCN最大,其指数级别处于10^-110^-6之间,与人类视觉系统的认知方式更加接近。（3）提出了一种基于边缘多方向性的特征点检测方法。由于图像纹理边缘存在方向性,边缘处的特征点堆积问题较严重,且神经元发放响应存在着不同表示方式,因此本文利用纹理边缘方向与神经元响应对特征点进行初步检测并完成冗余点剔除,将感受野自调节、神经元响应与纹理边缘方向性结合,最后利用视觉叠加得到代表性特征点,解决了边缘处冗余点堆积问题。由评价指标对实验结果进行评价,表明本文方法在确保真实特征点的情况下能较好控制冗余点数量,指数级别处于10^-110^-3之间。