随着认知心理学、生物神经学等学科的不断发展,人们已经发现已有的视觉计算理论与生物视觉机理有较大的差异,视觉计算理论很难把许多生物视觉的特征准确地表现出来,因此研究生物视觉系统工作机制,探索其系统结构和工作机理的数学规律,寻找任务态下的激励状态,对于认识生物视觉的本质规律,进而实现具有生物视觉机理的机器视觉,具有重要科学意义和实用价值。本文引入脉冲耦合神经网络(PCNN)模型,在模拟人类等高等动物视觉感知的基础上,开展了基于矢量PCNN的视觉特征捆绑研究;另外,引入基于卷积网络模型的图像识别,结合图像匹配技术,融合深度图像信息,开展了视觉特征捆绑在避障机器人中的应用研究,主要研究内容如下:1)构建了基于矢量PCNN的视觉特征捆绑模型。PCNN模型是第三代人工网络模型,其本身模拟生物刺激同步产生脉冲振荡,构造出网络,符合生理特性,在此基础上构建了基于矢量PCNN的视觉特征捆绑,能够更好地模拟生物特征实现图像颜色和形状的识别和捆绑。2)研究了视觉特征捆绑在避障机器人中的应用。利用视觉特征捆绑理论,基于卷积网络和图像匹配技术,融合深度图像信息,学习复杂环境的先验知识,基于特征捆绑机制,并将结果反馈到避障机器人的避障中,智能、快速、高效、准确地做出决策。