视觉是人类获取外界信息的重要途径。但由于先天原因或后天原因而导致的无法治愈的组织损伤使数以万计的人们承受着失明带来的痛苦。视网膜色素变性( Retinitis Pigmentosa,RP)、老年黄斑变性(Age-related Macular Degeneration,AMD)是致盲的主要原因。研究发现大多数盲人的视觉通路上仅部分发生病变,其他部分是保持良好的,因此通过在视觉通路中植入微电极阵列刺激组织来产生光幻视,能够帮助盲人获得基本视觉感受。这种代替人所失去的视觉部分功能的人工器件被称为视觉假体。　　本文主要内容是介绍视觉假体系统当中的图像采集处理与识别的技术。大多数研究是将图像信息简化,提取物体轮廓信息传递给电极阵列。由于植入电极的位置与产生的光幻视点位置并非是呈现简单的线性对应关系,不同的个体之间这个拓扑关系也是不确定的,这就导致了盲人物体识别时的困难。基于此,本文提出了基于分类识别的视觉假体图像处理方法。此方法可以用固定的符号图形代表一类物体,减少了电极数目,并且通过对盲人的后期训练,可以进一步提高识别率。　　本文是以TMS320DM642数字图像处理器作为人工视觉假体采集处理传输系统的核小。采用MATLAB辅助DSP进行分类识别算法的仿真,对生活当中的几类基本物品进行分类识别。同时介绍了对视频帧图像的目标分割、提取HU不变矩作为特征向量、运用BP神经网络分类器进行训练与识别。识别的最终结果是用固定符号图形表示同一类物体,运动远近的状态变化也用光幻视点进行表示。最终的结果不仅简化了信息,还有效表达了物体类型和运动信息,平均识别率达到91.11％。本文为生物、电子一体化的视觉假体技术提供了一个创新的设计思路。