轮廓检测旨在从复杂场景下获取到目标的真实轮廓信息,是图像分割及目标识别等高级计算机视觉任务的重要基础。从生物学角度来看,人类视觉系统之所以能够快速地从复杂图像中获取到有效的轮廓特征,原因在于它是一个多通道多层次的串并行处理共存的复杂结构。通过借鉴视觉系统中不同性质神经元细胞的信息响应过程,有助于提高仿生轮廓检测算法的鲁棒性,从而加深对自然图像中目标的理解以及为后续更高级的视觉任务提供更加可靠真实的输入特征。针对于传统检测算法在复杂场景下提取目标轮廓特征不充分问题,基于初级视觉皮层中Y型神经元细胞对不同视觉信息的动态处理机制,本文提出了一种基于Y细胞感受野动态响应机制的轮廓检测算法。研究表明,初级视觉皮层中Y型神经元细胞的中心经典感受野区域对视觉信息的反应可以被模拟周边非经典感受野的抑制内核所调制,而神经元细胞感受野的动态响应特性在视觉系统捕获目标轮廓特征的过程中有着极其重要的作用。受到该生理特性的启发,本文根据目标图像的局部特征信息重新计算Gabor滤波器在有限大小内不同位置的权值,并结合经典感受野的最优响应方向,利用log函数调制高斯函数实现对非经典感受野区域抑制特性的建模,有效地加强了弱轮廓特征的保护和纹理信息的抑制。实验结果表明,所提出的算法在BSDS数据集以及NYUD数据集上的F-Score（ODS）分别为0.63（BSDS300）、0.64（BSDS500）和0.55（NYUD）,与现有的仿生轮廓检测算法相比,所提出算法不仅加强了弱轮廓特征的保护同时也能对纹理信息实现较好的抑制。针对于现有受X细胞响应特性启发的单通道、层次少的检测算法提取特征不足问题,基于视觉通路中X、Y并行信息响应通道的前馈分层机制,本文提出了一种基于X、Y细胞感受野空间总和特性的轮廓检测算法。研究表明,视觉通路中不同性质的信息通道、不同层次的信息响应过程以及高效的信息整合机制都是视觉系统能够快速捕获到目标轮廓特征的重要保证。受到该生理特性的启发,本文通过对视网膜/外膝体层到视皮层X、Y并行响应通道的建模,结合灰度图像的亮度对比度信息整合不同性质的特征响应,并通过引入稀疏编码机制加强对输出特征图像的纹理抑制。实验结果表明,所提出的算法在BSDS数据集以及NYUD数据集上的F-Score（ODS）分别为0.63（BSDS300）、0.65（BSDS500）和0.56（NYUD）,与现有的仿生轮廓检测算法相比,所提出的算法改善了在信息处理过程中部分轮廓特征的丢失问题,加强了对轮廓特征的保护和对纹理信息的滤除。