距离选通式水下激光成像技术是一种能够有效抑制水介质的后向散射效应的探测技术，在海洋研究、深海探测和水下作业领域中拥有广阔的应用前景。然而在水下激光图像中出现的散斑噪声和灰度不均匀现象使得实现目标的准确分割较为困难。通过分析散斑噪声形成的机理，提出了一种水下激光图像的有效分割方法。该方法根据像素的噪声响应和灰度分布特性自适应确定各神经元的关键参数，并对噪声位置的神经元的行为进行抑制，基于最大二维Renyi熵准则采用梯度下降法确定了神经元的动态阈值，通过实验结果的比较分析说明该方法明显优于NormalizedCut、模糊C均值、均值漂移和分水岭分割方法，而运行时间约为常规脉冲耦合神经网络的五分之一。

针对智能水下机器人(AUV)的海底管道自动识别与跟踪问题，从仿真环境构建、图像处理、管道识别及环境建模等数据层次进行了分析，搭建了一套完整的水下管道识别与跟踪系统。在管道识别过程中，针对传统的Hough直线拟合的缺点，提出了基于特征聚类的伪假区域的去除和峰值点邻域逆向处理的改进Hough变换。并利用所搭建的三维仿真环境，对直管和弯管在线进行了多次检测和跟踪试验。仿真实验结果表明通过管道识别和环境映射，本套系统能有效完成水下管道自主检测和跟踪。

针对海面运动载体的可见光序列图像，结合复杂海空背景图像的特点，提出了一种不以检测海天线为前提的弱小目标检测方法。首先，修复图像中被高亮度噪声损毁的部分，如曝光区域或反光区域; 接着，量化子图像的区域复杂度以及单元区域上下邻域的灰度差异，据此来判断海天线区域是否存在，若存在则预测海天线区域的位置，否则放弃后续处理; 然后，采取Mean-shift分割算法中先滤波后聚类的策略，使用周围纹理抑制滤波来平滑海天线区域，并以像素点和点集为单位对平滑图像进行聚类; 最后，将最大面积区域与其他区域分离来二值化图像，完成目标提取。试验证明，该方法能够很好地定位目标信息，单帧处理平均耗时为35 ms，具有准确性和实时性。

针对海面运动载体的可见光序列图像，紧密结合海面图像的特点，提出了一种适用于海天背景和海岸背景的海界线检测方法。根据量化子图像的区域复杂度以及单元区域上下邻域的灰度差异，来判断海界线区域是否存在，若存在则预测海界线区域的位置，若不存在则放弃后续处理。由于海界线是自然视野中最长的连续性最好的直线，所以先利用周围纹理抑制的改进Canny算子提取轮廓边缘，然后对Hough变换进行投票加权，精细检测水平或倾斜的海界线。实验证明，该方法能够快速定位海界线区域，并得出既包含有效信息又大幅缩减了无意义信息的二值图像，可在轮廓边缘中准确找到海界线，具有很好的稳健性和实时性，可以应用于需要精确的海界线信息的工程任务中。

采用传统图像检测方法存在目标区域定位不准确、目标细节信息丢失、目标形状变形等问题,本文提出一种基于离散分数布朗随机场模型的水下图像目标检测方法。该方法根据分形理论和水下图像的特点,以图像中每个像素点为中心取窗口,计算在该窗口内的分形维数均值,将该均值作为中心像素的分形特征,然后根据分形维数分布图确定分割阈值,从而实现对水下图像分割,并且通过将目标表面不同尺度下的灰度差分平均值进行归一化处理,减少了用于表示不同尺度下的平均绝对值灰度差分的数据,从而提高算法检测效率。实验结果表明,该方法对水下成像条件具有一定鲁棒性,是一种有效的水下图像目标检测方法。