生物视觉系统在处理外界信息方面具有超凡的能力,研究视觉感知机制对于构建高效的视觉神经计算模型,并将其应用于图像处理任务具有重要的意义。本文以轮廓检测和医学图像分割应用为例展开研究,首先考虑了视网膜、外膝体和初级视皮层之间信息处理的联系方式,从整体角度出发,构建了基于视通路视觉感知机制的轮廓检测模型;其次模拟大脑内神经网络对于视觉信息的处理机制,提出了基于卷积神经网络的轮廓检测模型,构建了特征金字塔解码模块来有效提高轮廓检测的效果;最后以具体的肝脏肿瘤分割为应用,将用于轮廓检测的卷积神经网络模型迁移至分割任务。本文的主要研究工作如下:(1)研究了初级视通路中视觉信息传递和处理加工过程,提出了一种基于视觉感知机制的轮廓检测新方法。首先利用高斯导函数提取初级轮廓响应;接着构建时空编码神经元模型提高主体轮廓对比度;然后利用非经典感受野的侧抑制作用抑制纹理背景;最后提出了信息冗余度增强编码机制以及视觉信息前馈机制,达到轮廓的完整性融合。以RuG40图库作为实验对象,在整个数据集上的最优平均尸指标和每张图像的最优平均尸指标分别为0.48和0.55,运行速度FPS达到0.5,相比于其他算法,本文方法在检测效果和检测速度上均有明显的优势。(2)通过对卷积神经网络模型在轮廓检测方面的研究,发现不同等级的卷积特征对于提高轮廓检测效果具有很大的作用,因此提出了一种基于特征金字塔解码的轮廓检测模型。首先用ResNet作为图像特征提取器,然后利用特征金字塔解码网络逐层对ResNet提取的特征进行解码,通过结合图像的高层语义信息,能够抑制纹理噪声。最后利用高斯模糊函数对真值标签进行了一定程度的模糊来改善标注问题。所提出的方法在BSDS500数据集上的AP指标达到了0.865,在NYUD数据集上的OI5指标达到了0.775,取得了较好的检测效果。(3)开展了深度卷积神经网络计算模型在医学图像处理方面的研究。以LiTS-Liver Tumor Segmentation Challenge中的肝脏肿瘤分割为具体应用,针对图像分割模型的特点,对基于卷积神经网络的轮廓检测模型进行了针对性的修改,在输出层中将sigmod激活函数替换为softmax激活函数,实现了二分类向多分类的拓展;另外考虑到分割目标数量不平衡的问题,利用带权重的交叉熵函数作为模型的损失函数。实验结果表明本文模型在分割效果上优于其他经典分割模型。