ساختار و عملکرد مغز انسان همواره الهام بخش الگوریتمهای مختلفی در هوش مصنوعی بوده است. انسان در پردازش دادههای حسی بسیار بهتر از برنامه های کامپیوتری عمل می کند. ساختار و عملکرد مغز، نیز میتواند مدل مناسبی برای پردازش دادههای حسی باشد. یکی از عواملی که در شکل گیری و عملکرد قشرهای حسی مغز اهمیت فراوانی دارد، خصوصیات سیگنالهای ورودی به این قسمتها میباشد. در این پروژه، ما با مطالعه خصوصیات آماری تصاویر طبیعی، تابع توزیعی که بیشترین همخوانی با تصویر ورودی را دارد پیدا کرده وتوسط فعالیت نورونهایی که برای کدگذاری آن در نظر گرفته شده اند نمایش می دهیم. قشر بینایی در مغز وظیفه پردازش دادههای تصویری را بر عهده دارد. تصاویر ورودی به این قشر، پس از طی چند مرحله پردازش، به شکلی تغییر مییابند که اطلاعات موجود در تصویر به سادگی از روی فعالیت تعداد کمی نورون مشخص می شوند. یکی از خصوصیات مهم در تصاویر طبیعی، افزونگی موجود در این تصاویر می باشد. مطابق با نظریه کد کردن بهینه، قشرهای حسی در مغز به گونه ای عمل میکنند که افزونگی های موجود در سیگنالهای ورودی را از بین میبرند و تنها اطلاعات مهم این سیگنالها را حفظ میکنند. این مدل از استراتژی های کدگذاری در قشر اولیه بینایی انسان ولایه های بالاتر از آن الهام گرفته است. برای این منظور از مطالعات عصب شناسی بهره گرفته ایم و برخی از خصوصیات نورونهای قشر بینایی اولیه مانند خاصیت اتصالات افقی را شبیه سازی کرده ایم. با استفاده از این مفهوم یک روش آشکارسازی چهره معرفی می شود.