侧抑制是神经系统信息处理的基本原则之一。从鲎这样原始的节肢动物到人,从外围神经系统直至中枢的各级水平,从触觉到视觉的各种感觉系统中都存在侧抑制作用。侧抑制在图像处理、模式识别、人工智能、成像制导等领域都具有广阔的应用前景。本文对侧抑制机制的前沿神经科学理论进行探索,并着重对侧抑制机制的应用进行深入研究。首先,在图像处理方面,将常见的数字式非循环侧抑制网络、双峰高斯分布的非循环侧抑制网络应用于图像增强,处理后的图像“勾边”效果明显;引入可能性度量因子,对基于分流型抑制机制的边缘检测算法进行改进,边缘提取效果明显优于常规算法;此外,将侧抑制机制与脉冲耦合神经网络进行结合,提出了一种基于侧抑制机制的脉冲耦合神经网络的图像分割方法,所分割图像具有很好的连通性。随后,研究了一种新的基于时空信息的运动目标检测方法。该方法引入了演算侧抑制(Algorithmic Lateral Inhibition,简称ALI)模型和多通道的概念,将视频图像分别在各通道上进行时域ALI、时空域ALI运算获取运动信息,并用时空域ALI消除噪声。仿真实验表明,该方法在复杂背景下可以精确获取运动目标的轮廓。接着,建立一种基于皮层柱侧抑制机制的神经网络群,模拟大脑皮层柱的脉冲发放现象,并利用该神经网络群进行位置跟踪。先后采用Stein神经元和改进的Hodgkin-Huxley神经元构建神经网络群,分别将皮层柱内及皮层柱间的侧抑制机制应用于神经网络群编码、解码,实现神经网络群的负相关点火。皮层柱侧抑制机制的应用大大提高了位置跟踪精度以及系统稳定性。最后,着重对循环侧抑制网络的WTA竞争特性进行理论分析,实现“胜者为王”功能;同时,对皮层柱侧抑制机制的应用做进一步探索,提出了一种基于皮层柱侧抑制机制的WTA神经网络群。