随机共振机制是非线性系统协调信号与噪声的内在因素,其对于强噪声背景下的弱信号检测及增强具有重要的研究意义。针对神经系统中存在的非周期响应随机共振机制及其在生物视觉处理中的实验研究,本文基于FitzHugh-Nagumo (FHN)神经元以及双稳态系统模型,尝试利用非周期随机共振机制,实现在强噪声背景下的图像复原以及目标增强等生物视觉特性,以解释随机共振在视觉系统功能中所扮演的关键角色。本文还将通过低剂量肺部CT影像的增强处理,给出随机共振机制在弱信号检测中的实际应用。本文首先通过圆映射迭代机制对FHN神经元模型的响应编码进行了分析,并将其应用于高灵敏度的外界刺激频率测量,验证了FHN神经元模型具有随机共振机制所必需的非线性特性;接着本文针对FHN神经元模型以及随机共振研究中的双稳态系统经典模型,分别进行了在非周期方波和非周期连续波形刺激下,适当强度的噪声对于系统响应的增强作用。随后进行了低信噪比图像的随机共振增强应用,针对医学领域中的低剂量肺部CT影像,提出基于FHN神经元模型的随机共振增强方法,在实现噪声抑制的同时,影像目标区域得到了有效增强。本文主要工作和研究成果如下:(1).提出了一种基于FHN神经元混沌圆映射的弱信号检测新方法。研究了FHN神经元响应的相位关系,揭示其满足典型的混沌圆映射特性。在此基础上结合符号动力学方法,进行了神经元对于刺激频率的高灵敏测量仿真。实验结果显示,当符号序列长度为32位时,脉冲周期的测量分辨率能够达到0.01ms。同时研究结果表明,FHN神经元具有显著的非线性特性,为后续将其应用于随机共振机制奠定了理论基础。(2).提出了一种基于双稳态随机共振机制的低信噪比灰度图像复原新方法。研究了双稳态系统对于幅值连续信号的随机共振复原响应,为多阶灰度图像的复原奠定了理论基础;结合Hilbert扫描法实现图像降维,保证了图像像素在空间上的相关性,从而有利于双稳态系统、像素信号以及噪声之间的协调关系。新方法较好地克服了传统随机共振技术的局限性,并充分发挥了随机共振利用噪声增强弱信号的特点,相对于传统的滤波图像复原方法,新方法鲁棒性好,最终复原图像的判断误差小。(3).提出了一种基于FHN神经元随机共振机制的图像增强新方法。研究了FHN神经元模型对于一维含噪非周期信号的随机共振响应,为二维影像增强技术提供了理论依据;选取光栅扫描方法实现图像的降维操作,经过与FHN神经元以及噪声之间的协同作用后,获得相应的神经元随机共振响应,并设计判别器得到图像增强的最终结果。低剂量肺部CT影像的增强应用结果表明,本文方法在保留图像细节的前提下,能够降低噪声及拉伸影像中目标区域和背景区域对比度,与传统的图像增强方法相比,本文方法在噪声滤除及对比度拉伸上具有更佳的效果。