先进的图像分析和模式识别技术已经成功地应用于各种工业领域如医学成像、遥感、机器学习、计算机视觉、生物识别技术和可视化。然而,当前的图像分析方法,计算机视觉,人工智能和不能实现人类视觉和认知能力的性能虽然进步发展的硬件包括光学、电子和电脑。斯科特(1990年,科学视野)说,“生物视觉的进化是渐进的(增量)和自顶向下与基本模块和保留原始建筑结构。“计算机视觉的未来将生物启发(Overington 1992)有很多相似之处,人类的视觉作为一个统一的科学视野(斯科特1990)。因此,计算摄影,认知,和情报最近成为互动的科学研究的来源。

这个特殊的问题关注生物启发或计算机视觉的自然方法。计算机视觉和情报的成功可能会开始从现实世界的数据表示(信号传感和成像),通过分析和认知(学习、建模和分类),达到一定程度的性能(模型修正、autolearning和改进)。以下三个方面:图像感知启发人类的视觉系统;bioinspired图像传感和处理方法;和bioinspired图像分析、模式识别、计算机视觉和人工智能方法,是解决在这个特殊的问题。

潜在的主题包括,但不限于:

• 我感知(图片):进化的视觉系统和视觉流程的概述;视网膜图像感知和流程;运输和视觉信号继电器;模拟人类的视觉
• 区域二世(Bioinspired图像传感和图像分析):图像传感和抽样过程;bioinspired传感器网络;bioinspired成像和可视化技术;仿真和建模的视觉分析和认知
• 面积III (Bioinspired模式识别和情报):Bioinspired特征提取,图像表示和图像分析;Bioinspired机器学习和自适应学习、模式识别和计算机视觉;bioinspired认知的调查和人工智能方法与未来研究方向的建议