生物经过几千年的进化和残酷的优胜劣汰,在自然选择中扬长避短并健康的生长,试图以最好的状态适应大自然。人类作为高等动物之一,被称为是“万物之灵”,拥有很多很奇妙的能力。比如人类可以轻松快速的理解眼前千姿百态的事物,并做出响应。计算机视觉、人工智能一直是计算机科学中非常重要的领域,怎样让计算机可以像人类一样智能高效的处理、提取、分割、理解、识别图像一直是计算机学者们试图解决的问题。可是由于图像本身数据量大、复杂度高,而且对计算机的运算速度、处理效率、存储容量要求比较高。目前绝大多数流行的图像处理方法是以数学、概率统计为基础的,忽略了生理学上的视觉理论和脑机制,以及图像其本身最基本的性质,如各像素点之间的联系性。随着生物学、脑科学的发展,人们对生物体中最复杂的神经系统有了更好的认识,计算机科学家也注意到可以将人类视觉感知系统中重要的机制、模型引入到计算机视觉的研究中,仿照这些生物学的机制建立计算模型,将其应用于图像处理中,提高图像处理的效率和准确性。本文根据生物视觉的基本计算理论和机制,设计了基于生物视觉模型的图像分析表征算法,对生物视网膜神经节细胞及其经典感受野建立了神经网络计算模型。该模型基于神经节细胞中感受野的颜色拮抗理论,模拟人眼抓取眼前场景的方法,根据图像中一片区域里的像素性质以及像素之间彼此的关系,以相应的刺激反馈为基础,做自适应的调节。在图像中内容相似的区域,用尺寸较大的感受野来进行分析、表征；颜色差异较大的区域,则用若干个小的感受野来进行处理、表达。抓住图像中最重要的本质信息,忽略冗余信息,从而达到最好的图像表征效果。实验表明,本文提出的基于神经节细胞感受野拮抗机制的图像认知计算模型,能够准确高效的对图像进行表征,而且表征结果忠于原图像,在能保留住图像的关键结构信息的同时,还可以抑制琐碎冗余的信息。而且此种图像表征方法对后续的其他图像处理研究有很大的促进作用,比如对图像分割的效果会有很大提升。最后,我们分析了现有模型可以改进的地方和展望了将来可继续研究的方向,希望在生物视觉模拟、计算机建模方面可以做出更好的成果。