轮廓提取区别于边缘检测,它需要在复杂场景中识别物体形状,这通常要去除纹理信息并且区分轮廓和非轮廓的边缘。值得庆幸的是,人类视觉机制能够有效的提取轮廓特征。在初级视觉皮层经典感受野的外周存在一大片区域,即非经典感受野,这片区域对经典感受野中的视觉刺激的响应会有抑制作用。这一抑制效果在视觉信息处理中有着非常重要的作用,而一个可能的作用就是从杂乱无序的背景纹理中提取轮廓。本文提出了两个基于视觉机制的轮廓检测方法。第一个方法是基于改进的边缘保留平滑滤波和非经典感受野外周抑制的模型。在这个方法中一个蝶形外周抑制被用来仿真非经典感受野(NCRF)对经典感受野(CRF)的抑制。与另外两个基于视觉机制的轮廓检测模型比较,该模型能有效地抑制纹理同时提高轮廓检查的准确率。本文提出的第二个方法是基于非经典感受野动态特性模型的检测方法。该模型的核心机制为非经典感受野端区和侧区的不同抑制特性。具体来说,非经典感受野两个侧区的抑制为恒定抑制,它们由小的空间尺度下Gabor能量计算得到。而端区抑制为动态抑制,由小的空间尺度和大的空间尺度Gabor能量共同决定。仿真结果说明,通过引入自适应抑制机制纹理信息几乎完全被去除,同时轮廓信息也被有效地检测出来。除了在轮廓检测上的优异表现,该模型也在机制上为非经典感受野调制作用提供了很好的验证,并使得感受野特性在计算机视觉和模式识别上的应用成为可能。