近些年,大批科学家投身于大脑仿真领域,提出了规则系统等重要概念,并进行了一系列大型的大脑仿真项目的研究和开发,比如著名的“蓝脑计划”、“SPAUN”等。其中,SPAUN是最具影响力的大脑仿真系统之一。SPAUN与其它大脑仿真系统的不同之处在于它不仅能够对大脑的功能形式进行模拟,还能展示这些功能如何作用于各种认知行为。但是,SPAUN的视觉感知能力十分有限,它仅仅能对特征简单的符号和数字信息进行视觉感知,而不具备对特征复杂的物体信息进行视觉感知的能力。为了增强SPAUN的视觉感知能力,我们对SPAUN的体系架构进行了修改,并根据它构建了视觉感知增强的大脑仿真系统SPAUN-V。它不仅能够对特征较为简单的数字和符号进行视觉感知,还能对特征更加复杂的物体信息进行视觉感知,比如一条狗、一辆车等。我们将这些图像输入到视觉感知能力增强后的大脑仿真系统,通过系统对图像信息的解释、编码、存储和解码,最终由一个模拟的机械手进行结果的输出,完成类似于人类“眼-脑-手”的信息处理流程。本文的主要贡献有:1)尝试使用两种视觉感知方法,并对两种视觉感知方法的结果进行比较,选择出更适用于SPAUN-V的视觉感知方法。2)对SPAUN原有的体系结构进行了修改,提出了用于进行视觉感知增强的大脑仿真系统体系结构,完成SPAUN-V的构建。3)使用SPAUN-V设计了一个对数字和物体图像进行识别的应用,并基于这个应用设计了一个可对数字和物体图像进行分类的新应用。