图像的边缘与轮廓中包含了大量的信息,边缘检测与轮廓提取在计算机视觉,数学图像处理与机器智能中都占有重要地位。由于图像背景的复杂性使得边缘与轮廓信息难以准确提取,因此长期以来这也是相关领域的一项难题。人类的视觉系统可以很容易地从环境中识别物体,提取物体的轮廓和边缘信息。在这提取边缘和轮廓的过程中,感受野机制起到很大的作用。通过对感受野特性的研究和应用不但可以有效的提高处理效果,也使得处理结果更匹配人类自身的视觉特点。本文首先对传统边缘检测算子进行了总结,对部分具有代表性的算子原理进行了分析,并在此基础上给出了传统边缘检测与轮廓提取的区别。通过对人类视觉信息处理机制中的感受野与非经典感受野特性及其相互作用机制的研究,本文提出了基于非经典感受野朝向选择性抑制模型的轮廓检测方法。在对初级视皮层视觉细胞的集簇特性的研究基础上,本文提出了基于非经典感受野视觉细胞集簇效应的轮廓提取方法。该两种方法都在自然图像中进行了实验,结果显示本文的方法在与传统方法对比的情况下,可以有效地提取复杂背景中目标物体的轮廓,并同时抑制和去除背景纹理的干扰。为使结果更具说服性,本文使用定量测定方法对各种边缘检测算子与本文方法进行了比较。在与基准图像进行的定量对比结果中,本文提出的两种方法得到的结果都明显好于其他算法。