目标识别研究的目的在于使计算机可以像人类一样对接收到的视觉信息进行识别处理,受生物视觉信息处理机制启发的目标识别是当前计算机视觉领域研究的热点之一,其主要思想是对大脑视觉皮层腹侧通路中V1、V2、V4和IT区对视觉信息的层次性处理过程进行模拟,构建数学模型来实现目标识别。因而从生物视觉信息处理机制出发构建计算机视觉模型具有重要的意义和应用前景。本文首先主要从视觉通路理论和视觉图理论两个方面对生物视觉信息处理机制进行了介绍,再对计算机视觉中模拟这一机制的层次模型理论作了详细的评价。为了学习大脑初级视觉皮层中的方向图结构,文章综合几种深度学习算法的特点,将线性Reconstruction-ICA算法扩展至非线性形式,并基于Hubel和Wiesel关于方向图的假设对算法的输出加入平滑限制条件,实验表明提出的方向图算法可以有效地对方向图的2D分布结构进行学习。论文还提出了一种新的受生物视觉启发的前馈深度层次模型,即层次特征映射(HFM)模型,用于目标识别。层次特征映射模型基于脑视觉皮层腹侧通路理论,网络共有四层,分别为S层、C1层、C2层和C3层。其中S层利用手工设计的高斯差分函数以及Gabor函数模拟初级视觉皮层中的方向图,C1、C2和C3层采用径向基函数模拟单个节点的感受野,并且基于视觉图理论,采用竞争学习策略来学习节点感受野的具体形状。实验表明,层次特征映射模型可以很好地保留图像的主要结构信息,并且具有自学习的能力,能够提取有用的特征表达,在主流图像数据库上可以取得较好的分类结果,模型具有较好的发展前景。