目标跟踪，机器人导航，自动驾驶，干线交通等领域对数字图像处理技术的要求越来越高，促进了实时图像处理技术的发展。传统的图像处理方法主要是对数字图像进行空间域上处理或者通过各种变换将数字图像变换到频域进行处理。这类方法通常在计算机上实现，耗时长效率低，其精确度与时效性远低于哺乳动物的视觉处理，不适宜应用于实时系统。高等哺乳动物的视觉处理机制精确而又复杂，它能够实时而充分的感知外界的环境信息，并迅速的做出判断。现在，即使最先进的人造视觉处理系统，其处理的能力仍然远不及人类视网膜的处理能力。我们已经知道，高等哺乳动物几乎用相同的视觉机制进行环境感知，这从生物进化的适者生存角度说明这样一套机制是适应真实图像信息采集与处理任务的基本技术标准的。因此从模拟视觉神经生理结构和心理过程的角度研究实现机器视觉的新方法是非常有益的。对此，人们希望通过对哺乳动物视觉生理结构以及信息处理过程的研究得到启示，从而推动计算机视觉的发展，并将其应用于机器视觉处理领域以更好的完成各类视觉处理任务。本文提出的视网膜早期视觉模型应用神经生理学的理论基础，使用计算机视觉的实现方式，模拟早期视觉信息处理模型，验证了生理视网膜在信息处理过程中的特性，并分析了神经视觉在信息采集充分必要的条件下，硬件复杂度、处理时间与处理精度之间的平衡。 基于生物视网膜的层次细胞结构，数字视网膜以层次网络结构模拟视觉信息流的传递。主要分为两层结构，光感受器细胞层与神经节细胞层。模型以真实巨量的细胞分布为原型，模拟生理视网膜细胞密度分布；以生理神经节细胞感受野分布数据为原型，模拟生理视网膜神经节细胞感受野的连接与分布。同时用大量真实场景图片作为视网膜刺激输入，分析并验证视网膜的信息处理过程的特性，以及视网膜在进行信息采集的过程中，为适应硬件复杂度与满足信息收集处理的充分必要性之间所做的平衡。