模式识别又常称作模式分类,是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释,也是信息科学和人工智能的重要组成部分。探索人类完成模式识别任务的处理机制,来解决计算机完成高层视觉任务,目前这些是国际模式识别和计算机视觉领域的热点问题。因此,本文选择生物视觉启发下的特征提取和目标分类研究具有重要的理论意义和实用价值。本文在分析MIT Poggio等人提出的模拟生物识别机制的算法模型原理的基础上,详细讨论了生物视觉启发下的特征提取和目标分类任务的设计和实现。主要的工作包括:(1)详细介绍了灵长类生物视觉皮层的层次结构,以及对图像信息的处理识别过程,描述了算法的结构和生物生理反应的过程和实现依据。(2)针对目标分类任务,重点研究了生物视觉启发下的特征提取和分类器设计。在特征提取方面,运用图像处理算法模拟视觉皮层处理功能,对Gabor滤波器的研究现状和发展状况进行了详细的研究。由于二维Gabor函数能够在时域和频域同时达到局部最优,同时具有良好的方向和频率选择特性。因此,本文实现了一种基于二维Gabor滤波器的识别方法;在分类器设计方面,由于支持向量机方法具有全局最优、结构简单、推广能力强等优点,特别适合于小样本、高维特征的分类识别,因此选择支持向量机作为分类器进行分类识别。(3)描述模拟生物视觉皮层算法模型的软件开发平台及实现过程,介绍了模拟生物视觉皮层算法的基本数据结构和设计原理。详细阐述了算法的结构和框架,以及各个功能部分的实现过程和算法原理。