计算机视觉是一个内容丰富而又极具挑战性的学科，迄今为止，它的研究工作已经取得了丰硕的成果。然而，在向视觉感知的深层目标进军的过程中，人们也发现眼前的困难和阻碍远远比原先预想中的要大得多。从根本上说，这种困难来源于人类对自身视觉机理认识上的局限性以及在进行视觉计算时所受到的技术条件的限制。要解决这类问题，就必须在对视觉的认识上有所提高并且在计算的机制上有所突破。 视觉神经研究的进展使人们更加深入地理解了生物视觉的原理，同时，也为计算机视觉的研究带来了新的活力。神经网络是一种“自底向上”的智能模拟方法，由于具有“先天性”的优势，它能够在视觉计算中较好地融合生物系统的视觉生理特性，从而有利于许多问题的解决。 本文针对计算机视觉中的一些典型问题用神经计算的方法进行了相关的研究，所做的工作主要包括： (1) 视觉系统有关生理特性的分析，着重介绍了与本文相关的一些视觉生理特性，并阐述了对它们进行模拟计算的策略。 (2) 基于神经动力学系统的图像边缘检测，分析了连续型Hopfield网络的各种动力学特征，以此为基础提出的边缘检测方法简化了网络的连接并提高了检测的速度。 (3) 结构化图像分析，定义了图像的基本结构，并提出了对其检测的方法；应用结构化的观点提出了边缘优化的思想，更好地解决了去除噪声和保留细节之间的矛盾。 (4) 基于神经动力学系统的区域分割，用连续型Hopfield网络分别完成了图像的顺序分割和整体分割，其中，前者具有拓扑不变性的优点，后者能够有效完成边缘存在局部缺陷时的分割任务。 (5) 模糊神经推理，分析了关联关系和逻辑关系在神经推理中的表达方式，并建立了相应的神经推理机系统；通过对泛逻辑学和进化计算的引入，构造了神经推理范畴内的推理机组合模型，解决了跨领域的专家推理系统协同工作的问题。 本文根据Gupta的三级计算模型进行系统建模。它是对于人类视觉系统组织结构的一种抽象。 西北工业大学博士论文 长期以来，如何在视觉处理中表达和发现有意义的结构化信息及有效地组织和利用先验知识一直是该领域备受困扰的问题，本文对此进行了一定的探索，并提出了一些新的计算方法。但这只是一个良好的开端，今后，还需要在有关方面进行更加深入、广泛的研究。