人类视觉系统作为人类大脑获取外界信息最主要的手段，拥有近乎完美的信息处理能力，在信息处理的各个方面均远远优于现有的任何计算机视觉系统。对视觉信息处理机制的研究是脑与认知科学的重要研究方向，同时对视觉信息处理机制的模型描述可以为解决图像分析、理解等工程应用问题提供新的思路。本文主要从计算模型的角度描述神经元功能特性，从而进一步理解其在信息处理中的功能角色。本文基于电生理、心理物理等对视觉机制的研究发现，建立了多个合理的计算模型并应用于自然图像的轮廓检测任务。本文主要研究内容可分为以下两个部分：（1）基于视皮层V1区神经元非经典感受野抑制特性（外周抑制），本文研究了两种主要神经元（朝向选择性抑制神经元和非朝向选择性抑制神经元）在轮廓检测任务中的不同功能特性，同时探讨两种神经元可能的协同作用机制。基于两类神经元模型在不同的场景中表现出不同的轮廓检测能力，本文建立了两个整合两种机制的轮廓检测模型。在自然图像轮廓检测任务中，本文建立的模型也表现出了较好的轮廓检测能力。（2）本文另一个主要研究内容为不同局部视觉特征信息的整合以及在轮廓检测中的作用。基于神经元非经典感受野抑制强度受各种局部视觉特征(如亮度、朝向等)调制这一研究发现，本文首先从输入图像中提取各种局部特征，并用于调制神经元非经典感受野抑制强度。其中，一个有监督学习过程用于整合来自不同特征的调制信息。实验发现，整合多种视觉特征能够有效提高轮廓检测的准确性；其中亮度和亮度对比度在轮廓检测中表现出更突出的作用。