在图像的边缘中,轮廓定义目标的形状,因此目标的轮廓是基于形状的目标识别的关键,目标轮廓的提取在图像处理,机器视觉等应用中也起着非常重要的作用。然而因为受到背景中纷乱的非轮廓边缘的干扰,自动的从自然场景中提取出完整的目标轮廓非常困难,因此如何准确快速的对图像进行边缘检测提取完整的目标轮廓是相关领域长久以来的研究热点。近些年来,对视皮层的一些研究成果为这一问题提供了可行的解决办法。本文建立了两个基于视觉生理机制的轮廓检测模型,第一个模型基于非经典感受野对经典感受野侧区抑制,端区易化的特性,采用蝶形模型模拟非经典感受野的端区和侧区,该模型比传统的基于非经典感受野调制作用的模型更好地解决了自抑制问题,增强了轮廓的完整性;第二个模型基于对比度对非经典感受野调制作用的影响,实现了端区选择性作用,同时利用端区作用和侧区作用来调控选择性作用的权重,第二个模型比第一个模型在对端区进易化时更有选择性,从而避免了易化端区的纹理,进一步加强了轮廓的完整性。总结本文的工作,文中通过三个阶段的工作:理论分析、模拟非经典感受野的作用、实验验证对模型的生理依据和数学基础进行了深入的探索,通过利用人工图像和自然图像对模型进行检测,证明了文中相关理论的合理性和正确性,最终将本文的两种模型和加入朝向选择性抑制的圆环形模型进行了比较,实验结果及定量比较表明,该方法在保证目标轮廓完整性的同时有效地抑制了纹理边缘,极大地提高了复杂背景中轮廓检测的性能,并且本文提出的方法所得到的结果优于其他算法。