视知觉在人类的大脑功能中具有很重要的作用,视觉信息占人类接受全部信息量的80%以上,那么,视觉系统究竟是如何处理视觉信息,最终完成物体的识别。针对该问题,提出了物体的颜色和形状特征的识别和绑定的问题。研究物体的颜色和形状特征识别和绑定具有一定的理论意义和应用价值。功能磁共振(function magnetic resonance imaging, fMRI)和复杂网络为揭开大脑视觉区的奥秘提供了有效的手段和理论基础。图论是研究复杂网络的一个非常重要的方法,因此,为了揭示视觉网络的工作机制,需要借助于图论方法来研究功能脑网络。本文通过采集fMRI数据,对fMRI数据进行预处理,最后进行脑激活区的定位分析。利用预处理后的数据构建功能脑网络,将社区划分算法应用于功能脑网络进行社区划分,最后借助于复杂网络中图论的方法分析静息态和任务态下功能脑网络的差异。主要工作如下：1.按照本研究的目的设计相应的实验范式,采集静息态和任务态下的fMRI数据,利用fMRI数据进行脑激活区的定位分析。研究结果显示不论是在执行简单任务还是执行复杂任务,参与视觉信息处理的脑区有明显的激活。而且还发现,当实验的任务数、特征数越多,执行的任务越复杂,视觉区的激活越明显；并且通过对实验数据的分析,证实了视觉信息处理的两条通路,其中一条沿着枕颞叶分布,另一条沿着枕顶叶分布。2.选择大脑的脑区作为网络的节点,然后计算脑区之间的相关系数,通过阂值选择确定网络的连边,从而构建出功能脑网络。利用社区划分的算法对静息态和任务态下的功能脑网络进行社区划分,将功能脑网络划分为若干个社区。3.借助于复杂网络中图论的方法来分析静息态和任务态下功能脑网络的社团结构的差异。划分的结果显示,在静息状态下,参与视觉信息处理的脑区全部被划分在了同一个社团内,印证了即使在静息状态下大脑也存在视觉网络；在任务状态下,参与视觉信息处理的脑区被划分在了几个不同的社区内,印证了视觉信息处理的两条通道,其中一条沿着枕顶叶分布,另一条沿着枕颞叶分布。通过对脑网络的相关系数的Z值进行计算和分析,发现静息状态下脑网络连接相对稀疏,而任务状态下脑网络的连接相对紧密,这就表明静息态的脑网络以相对稀疏的连接保持执行任务的潜能,而当执行任务时,脑区之间的联系变得紧密,各脑区之间密切配合,共同完成任务的执行。最后,通过对脑网络中节点的连接度进行计算和分析,发现不论是在静息状态下还是在任务状态下,枕中回和舌回的连接度都比较高,这就说明这两个节点在视觉网络中是非常重要而且具有一定稳定性的节点。而且研究还印证了顶叶具有“空间注意”的功能,在颜色特征和形状特征绑定的过程中发挥着重要作用,并且还证实了梭状回和颞下回负责处理颜色和形状信息。