大脑作为生物高级神经活动的物质基础,负责对外界刺激的表达响应和编码整合,视觉系统在大脑的作用下可以更好的感知世界。借鉴视觉神经信息处理的工作方式,本文通过模拟视觉神经系统的颜色拮抗机理、层级编码机理以及双目视差机理等,探讨了轮廓检测、颜色恒常以及图像去雾等计算机视觉应用的可能机制。（1）提出一种双目视差前馈补偿的轮廓检测方法。首先,给出一种颜色通道中不同拮抗细胞连接权重动态调整的机制,获得初始轮廓响应图;然后,引入双目视差能量模型对图像特征信息进行分离,获得位置差和相位差响应;接着,构建不同相位的末端停止细胞对图像的主体轮廓进行显著提取,同时给出一种多尺度感受野融合的策略,对图像局部区域进行多强度的纹理抑制;最后,利用跨层级的前馈机制进一步实现纹理背景的细化和主体轮廓对比度的提高,得到最终轮廓响应。以数据集BSDS500图库为实验对象,数据集最优比例（ODS）为0.68;另外在数据集MBDD上,对象边界和较低级别的数据集最优比例（ODS）分别为0.71和0.81。结果表明本文方法相对于其它模型可以有效突出主体轮廓并进行纹理抑制。（2）提出一种视差色彩编码的单光源颜色恒常方法。首先,构建同心圆结构的拮抗感受野细胞,采用归一化的神经元机制对场景光源信息进行预处理;然后,模拟双目视差机制,结合颜色信息对亮度神经元进行结构变换,并采用空间线性求和机制得到HSV的特征信息;最后,结合视差色彩编码提取颜色向量间的耦合关系,并将拮抗预处理结果作为前馈信息传入,实现单幅图像颜色特征的动态化调节。以图像库SFU Lab和SFU HDR为例,角度误差的中位数分别为3.35°和3.39°,相比其它基于像素统计的模型分别提高了6.69%和3.69%。另外本文在SFU HDR和Gehler-Shi图像库中进行了WST测试,与其它模型相比均取得了不错效果。（3）提出一种视网膜分级自适应的图像去雾增强方法。首先,利用视锥细胞的明适应特性,根据场景深度动态修改双极细胞的中心—外周尺度;然后,将视杆细胞的放电活动作为无长突网络的负向反馈调节纽带,模拟双峰反应中长短延时回路的信息交互传递;最后,构建状态适应亮度函数模拟ON/OFF型通路振荡活动的差异性,实现自适应图像去雾。以合成图像集NYU-Depth-V2和自然图像图像集为例,其中合成图像集NYU-Depth-V2中峰值信噪比/结构相似度指数（PSNR/SSIM）相比其它模型分别提高了5.35%和3.17%。自然图像集测得的平均梯度/信息熵（AG/EY）相比其它模型分别提高了4.99%和1.38%。本文算法在保留图像原有色彩特征的同时增强了图像辨识度,改善颜色失真和光晕等问题。