计算机视觉研究的最终目标是使计算机能通过视觉观察和理解世界,具有自主适应环境的能力,但是,目前还无法研制出通用的计算机视觉系统来识别任意环境中的目标或自主地完成各种工作,而只能针对具体问题建立一种特殊的视觉信息处理模型,以某种程度的智能完成特定的任务。本文在现有视觉信息处理模型的基础上,进行了深入研究。主要内容如下:(1)分析了视觉系统的有关生理特性,着重介绍了与该文相关的一些视觉生理特性,并阐述了它们的数学模型。(2)从视觉简单细胞的多方向多尺度选择特性入手,基于双树复数小波的多尺度多方向选择属性、低冗余度以及近似的平移不变性,本文提出了改进的视觉信息处理模型。同时,基于可调滤波器金字塔算法的平移不变性、旋转不变性以及多方向多尺度选择特性,提出了基于可调滤波器金字塔算法的改进模型。(3)为了更好地实现多视角目标识别问题,本文采用带隐层的BP神经网络对多视角图像进行处理。通过训练修正网络权值,最后通过测试集考察该网络在多视角目标识别中的效率。(4)提出了结合注意机制和视觉信息处理模型的算法,在提取焦点区域的基础上,设置权值并对输入图像进行预处理。将研究对象有选择地集中在某个或某些景物上进行针对性的视觉信息处理,降低了计算量,同时降低了对复杂背景的敏感度,提高了分类能力。(5)各种改进视觉信息处理模型在Dcfaces和ORL图像库上进行了试验分析。