轮廓作为图像的初级视觉要素,对提高后续视觉感知任务的快速性及准确性起着关键作用。传统轮廓检测方法多以计算机数学模型实现,而视觉系统的复杂精妙性及其信息感知机制的智能高效性是现代计算机视觉系统难以相媲美的。受此启发,本文将探究视觉系统信息感知的内在机理,以此为基础构建仿生计算模型并进行轮廓检测应用。一方面将从宏观角度对视通路生理结构和信息流传递路径进行建模探究;另一方面将从微观角度对神经信息编码、感受野动态抑制及视觉注意等信息感知机制进行建模探究。本文所做的工作及研究成果如下:（1）提出一种基于信息流分区投射编码机制的层级关联计算模型,并应用于轮廓检测任务。考虑P型和M型神经节细胞对不同视信号的细节敏感差异性和信息传递差异性,构建平行视通路对目标轮廓进行初步感知;接着考虑视觉感受野的方位敏感性和刺激响应差异性,构建信息差增强模型对轮廓感知结果进行对比度增强;然后提出一种自适应尺寸稀疏编码网络模型,模拟视觉系统的智能聚焦特性获取精细特征图;利用精细特征图进行跨视区反馈,对前级轮廓感知结果进行修正,实现轮廓感知融合。基于BSDS500和MDBD数据集进行实验,结果表明本文模型提取轮廓的同时兼顾了纹理抑制,检测性能相较于对比方法更佳。（2）提出一种基于特征点引导的感受野动态抑制模型,并应用于轮廓检测任务。考虑视觉系统对视网膜成像的筛选过滤作用,引入双边滤波进行保边抑噪;基于感受野分层等级假设构建感受野尺度空间,模拟视网膜上目标由远至近的成像特点。同时考虑视觉注意机制,在感受野尺度空间中定位显著轮廓特征点;利用经典感受野特性感知初级轮廓的同时,探究非经典感受野抑制强度的动态谐调特性,构建低对比度感受野动态抑制模型,基于显著轮廓特征点引导抑制过程,对初级轮廓进行处理,提取显著轮廓。选用Ru G40数据集进行实验,结果表明本文模型相较于对比方法检测性能更优,能够有效提取自然场景中的显著目标轮廓。（3）在前述模型基础上进一步探究各环节建模的合理性,提出了一种多视通路信息交互感知模型,并应用于辅助驾驶领域中的车道线检测任务。考虑视觉系统在信息筛选过滤时的快速高效性,基于引导滤波实现保边抑噪效果,以避免双边滤波在大窗口应用场景中耗时过高的弊端;利用前述平行视通路环节感知初级轮廓成像的同时对上丘通路建模,获取视皮层辅助成像;针对感受野尺寸在低对比度刺激环境下的变化特性,在前述感受野动态抑制模型基础上利用成像间的信息交互作用调整感受野模型中的尺寸比;初级轮廓成像经过处理后获取精细轮廓成像。本模型作为车道线检测任务的前级预处理环节进行应用,路景图中的车道线轮廓被清晰检测,在BIPED数据集上进一步证实了本模型在此类任务中应用的可行性。