人类感知外部世界主要是通过视觉、触觉、听觉和嗅觉等感觉器官,其中视觉是脑从外界获取信息的最重要和最高效的方式。同时,视觉神经系统又是非常复杂的神经生理活动过程。本文根据视觉系统生理学上的研究,总结分析了视网膜各层之间的神经传递关系、与外膝体(LGN)的神经连接、外膝体与初级视皮层之间的神经连接、以及初级视皮层内各亚层间的神经传递关系。基于朴素仿生学观点,根据解剖结构中不同的部分以及之间的反馈连接,选择遵循神经生理学实验数据的模型作为视觉神经元的模型,提出了一个视觉神经系统整合模型。本文建立的仿生模型具有如下几方面特点:(1)在尺度上,从介观尺度上保证模型不同部分尺度的一致性;(2)在结构上,遵循视觉系统的解剖结构,涵盖视觉系统的主要部分,包括视网膜模型和初级视皮层模型;(3)在神经元模型上,借鉴已有研究成果为不同神经元选择适合的神经元模型。针对建立的视觉仿生模型进行的分析表明:在动力学特性上,模型针对持续而固定的刺激呈现出稳定的极限环状态。最后,将新提出的视觉整合模型应用于图像显著性识别中。根据模型结构,制定了模型的学习规则,通过直方图均衡化方法对图像进行预处理。利用Matlab的图像处理工具箱中的函数直接将经过预处理的图片读入,经模型处理后得出模型显著性识别的结果。实验结果表明:与传统的Itti显著性识别方法相比,新提出的视觉神经系统模型在显著性识别方面表现出了较好的性能。