随着陆地资源日益消耗,海洋资源的开发以及水下作业任务日渐频繁、种类日益繁多,这也促进水下机器人的快速发展,而水下机器人离不开对目标的检测和识别。水下目标识别问题作为目标识别的一种特定应用领域除了包含目标识别的一般步骤,还由于水下成像环境的独特性,需要增加针对水下图像特点的处理步骤。浅水区太阳光斑是影响水下图像一种重要的因素。所谓浅水区太阳光斑是由水体表面波纹对自然光的折射而产生,其对水下图像产生的影响需要采用具有针对性的方法对图像进行预处理,并且选择更有针对性的目标识别算法完成识别。本课题针对水下目标识别问题的特殊性进行了分析与研究。首先针对浅水区域太阳光斑影响问题,建立了基于PCA(Principal Component Analysis)的水下光斑去除算法,并完成对获取的水下图像预处理,应用VS2010和Open CV进行了算法实现和验证,并对算法验证过程中的图像配准失效问题进行了分析,建立了可靠的配准体系。然后比较了几种具有代表性的显著性算法,选择了RC(Region Contrast)算法进行改进和辅助目标提取。采用基于图的图像预分割方法用于RC算法的预分割步骤以提高效率,加入目标纹理信息和灰度信息到RC算法中,形成了具有先验信息的自上而下的显著性算法,并在VS2010下实现了改进算法,对改进算法的处理结果进行了二值化,对比了实验结果,得出改进算法更能突出目标的结论。最终采用连通域快速标记算法进行二值图像的连通域标记,以目标模板及多幅实验图像的连通域作为样本,统计了样本的六个Hu不变矩特征,结合不变矩特征的数据分布情况,选择不变矩1和不变矩2作为样本的特征属性,进而设计了贝叶斯分类器,完成了对目标的检测和识别。