统计表征是视觉系统突破认知资源有限性，实现对现实世界高效表征的手段之一。视觉系统可以快速抽取成组客体的统计特征并据此形成总体表征，忽略总体内部繁杂的个体信息。已有的统计表征研究大多关注于单一总体，然而现实世界中，视觉场景往往由具有层级结构的多组客体组成，而且不同组客体可能在时空上相互分离。因此探讨视觉系统对于同时和继时呈现多组客体统计表征的整合机制，对于深入了解视觉系统对复杂视觉场景的加工规律具有重要意义。　　本研究通过一系列实验考察了多组客体统计表征的时空整合机制:实验一a和实验一b探讨了统计表征的空间整合特性及其具体算法。实验根据空间邻近性原则将刺激进行分组，要求被试完成统计知觉任务，报告各组刺激平均大小。通过检测被试对总体和局部总体的知觉表征，可以验证被试是否抽取了总体统计表征和次级统计表征，并探究它们之间数学关系，从而探明被试在统计表征空间整合中究竟采用了何种整合方式。实验二a和实验二b采用同样的实验材料考察了统计表征的时间整合特性。实验刺激通过时间序列呈现给被试，考察被试对总体和局部总体的统计知觉并比较其整合方式是否与空间整合一致。　　通过上述实验，本研究获得以下主要结果:　　(1)无论空间分离还是时间分离呈现的多组客体，各组客体的表征都会受所有组客体构成的总体表征影响，说明视觉系统为总体构建了层级表征;　　(2)空间整合是通过独立计算各层级统计值实现的;　　(3)时间整合中，高层次的统计值是基于低级统计值计算得来的。具体地说，高层均值是通过对其下各组均值进行加权平均得到的，权重由各组个体数量决定。　　基于上述结果，可以认为，多组客体统计表征的时空整合在功能上具有相似性，即两者都通过构建层级表征的方式为成组客体提供结构化的总体统计描述，但整合的具体机制存在不同，即抽取统计特征形成层级表征的过程中，时间整合和空间整合遵循不同的计算规则。