如何让图像目标识别系统具有人在认知过程中所表现出来的特性一直是计算机视觉领域的难点和热点。本文基于动觉智能图式理论的感知图式和改进的ART2网络,模拟人在认知发展过程中所表现出来的同化、顺应和平衡等过程,从而建立起模拟人脑认知特性的,具有自组织自学习和记忆能力的,快速而稳定的图像目标识别和分类系统,使该系统能够对不同熟悉程度的图像目标表现出不同的学习热情(稳定性-可塑性平衡点的动态调整),并能够在有监督和无监督的条件下,完成对图像目标的学习、识别和记忆。在图像目标的特征提取方面,本文提出基于目标轮廓的特征提取方法,通过借鉴区域不变矩的修正方法,对本文提出的轮廓矩进行修正,从而真正实现轮廓矩的平移、旋转和尺度不变性。在此基础上,定义并计算四个轮廓几何特征,然后联合轮廓矩特征,形成联合轮廓特征矢量,作为改进的ART2网络的输入模式。由于联合轮廓特征矢量结合了轮廓矩特征在描述轮廓细节上的优点和轮廓几何特征表述的是直接物理意义的优点,使其能够体现图像目标更为全面的特征,不同类别的图像目标在特征空间能够拉开更远的距离,也就是说具有更好的区分力。在模拟人的认知发展过程方面,本文对ART2网络进行了相应改进,加入了活跃度的概念和警戒值的调节机制,使改进后的ART2网络对熟悉程度不同的图像目标表现出不同的学习热情,并能在有监督和无监督情况下完成学习。在此基础上,本文对比图式理论对人的认知过程的描述,完成了改进的ART2网络对该认知过程的模拟,从而最终建立起了基于感知图式和改进的ART2网络的图像目标识别系统。