仿生生物视觉的识别功能是计算机视觉功能实现的终极目标,也是近年来国内外重点研究方向之一。在目标识别过程中,如何有效地获取目标对象的相关信息是识别功能实现的关键技术所在。在众多特征信息中,准确地提取较为直观、稳定的目标特征能极大地提高识别的速率与正确率,本文在对生物视觉理论进行深入分析的研究基础上,仿照生物视觉选择理论,提出了基于视觉稳定性的特征提取方法,并在此研究基础上对目前部分特征提取方法进行了改进,并通过实验验证了视觉稳定性特征理论的可行性,为目标识别奠定了基础。论文首先对生物视觉识别机理和特征计算理论进行深入的分析,总结出视觉特征具有相对视觉系统的稳定特性。其次改进多通道Gabor滤波的特征提取方法并有效提取纹理视觉特征;在多分辨率分析和小波熵的基础上提出一种多尺度下的多算子融合边缘提取方法,通过实验成功的提取到无噪声干扰、连续完整的边缘特征;对视觉识别中几种矩理论进行深入探索,提取具有相对稳定性的图像不变矩特征,最后提出一种模糊神经网络识别方法,通过实验对该方法进行验证,在已提取到的几种视觉特征基础上实现计算机视觉的认知功能。经实验证明,本文提出的几种基于视觉稳定性的特征提取方法能有效的提取各种视觉特征,为计算机视觉认知功能的实现有效地提供特征依据和技术手段。综上所述,本文对生物视觉认知机理进行深入的研究,得出视觉特征具有稳定性的本质特性,通过改善部分特征提取方法对视觉特征进行有效的提取,完成计算机视觉的认知功能。经实验证明,本文所提出的基于视觉稳定性特征的特征提取方法有效可行,识别准确率高,识别效果令人满意。