图像增强能够改善图像质量，这就要求其能够按照特定的要求对需要的图像信息进行突出，同时，削弱或去除不关注的图像信息。人类的视觉信息处理机制可以有效的对图像进行增强。早期研究认为，人眼视网膜神经节细胞和外膝体(LGN)细胞的感受野(RF)呈同心圆结构，其主要功能之一就是能够检测图像的亮度对比并提取图像的边缘信息。但将DOG模型应用于图像增强时却有着致命的缺陷：滤除了图像的亮度梯度信息（低频信息）。本文提出了两种基于感受野动态特性的图像增强方法。第一种方法基于视网膜神经节细胞和外膝体细胞感受野的三高斯函数模型，利用感受野的动态特性，根据图像中被处理点的亮度和对比度的不同，选取相应的模型参数进行增强处理，从而达到自适应图像增强的目的。同直方图均衡化等方法相比，本方法能够对图像的边缘轮廓和局部细节信息进行有效的增强。第二种方法是基于视网膜神经节细胞和外膝体细胞感受野亚区模型的一种图像增强方法。亚区模型的核心机制是感受野各亚区之间的相互抑制产生去抑制作用。本方法根据感受野的动态特性，主要通过对抑制区半径大小的动态改变来间接地对各个亚区间的相互抑制强度进行调节，从而实现自适应图像增强。