轮廓检测指在包含目标和背景的数字图像中,忽略背景和目标内部的纹理以及噪声干扰的影响,采用一定的技术和方法来实现目标轮廓提取的过程。它是目标检测、形状分析、目标识别和目标跟踪等技术的重要基础。人的视觉系统可以高效的区分场景中对象的轮廓,快速填充纹理图像,并发现其中的背景噪声,因此学习和利用人类的视觉系统机制特征对于完善计算机视觉理论和应用有着重要的意义。本文利用人类视觉机制研究的成果,致力于基于人类视觉的轮廓检测方法与模型研究,主要工作包括：(1)论述轮廓检测的定义、特征及国内外研究现状,分析人类视觉感知的基础知识以及其在计算机视觉方面,尤其是轮廓检测方面的应用,总结现有的基于人类视觉感知的轮廓检测方法,对比分析基于边缘检测的轮廓和基于人类视觉感知的轮廓检测方法的利弊和特点。(2)通过经典物理学中电势能的定义,提出一种基于窗口边缘能量函数(Window Edge Potential Function,简称WEPF)模型的轮廓检测方法。该方法通过对WEPF半波整流来减弱图像中纹理以及噪声的影响,并用双阈值化以及膨胀腐蚀来获取图像的最终轮廓。初步实验结果表明,与Canny算子、Prewitt算子、Sohel算子等基于边缘检测的轮廓检测方法相比,该方法不仅可以更加有效地抑制纹理,而且目标轮廓以及边界得到了显著增强。(3)提出了一种基于LoG滤波器组合的轮廓检测方法。该方法通过对图像进行不同参数的LoG滤波,并将结果赋予不同的权重,然后综合所有滤波结果抑制纹理,减弱纹理和背景中的干扰成分对轮廓提取的影响,增强目标轮廓,保证目标轮廓的完整性。初步实验结果表明,与利用Gabor能量的传统方法提取轮廓相比,该方法能有效地抑制纹理,减少对目标轮廓完整性的破坏,提高图像中目标轮廓的检测性能。