近年来,图像处理技术的发展日益迅速,因为图像是日常生活中进行信息交互的基础,贯穿信息的感知、传输和处理的整个过程,具有深远意义。所以,如何准确快速获取图像当中包含的主要内容是至关重要的,图像处理的过程显得尤为重要。针对传统的图像分割方法存在的各种问题,如传统方法只能处理单一的图像类型、易陷入虚假边界等,本文提出了一种基于非独立同分布的水平集图像分割算法。传统的图像分割方法基本上假设所有的样本是独立的,并且具有相同的分布。然而,由于样本通常在空间上或时间上与其物理连接的邻居相关,因此它们不是独立同分布的,现有方法无法直接处理。因此本文提出基于非独立同分布的图像分割方法,首先进行超像素过分割,将待分割图像先分割成许多个超像素块,然后采用非独立同分布的方法从像素块中提取特征向量,将得到的特征向量与水平集CV模型相结合,改变水平集方法的能量函数,将新的能量函数应用于图像分割。实验结果证明,本文提出的算法能对各类图像进行有效分割,对弱边缘图像也有较好的分割结果。针对现有目标检测方法的准确性与效率问题,通过考虑不同图像场景中舰船空间分布的可变性和处理特定于场景的舰船检测任务的特性,本文在此基础上提出了一种基于非独立同分布场景分类的舰船检测方法。首先利用非独立同分布方法进行场景分类,将图像分为海岸边和海水中两类场景,然后基于场景分类的先验知识进行舰船检测。实验结果证明,文中使用的方法拥有比较高的检测准确率以及相对较低的虚警率。基于Py Qt5平台,结合现实应用所需本文设计制作了一个舰船检测软件。设计实现了该软件的各个功能模块,其中包括超像素分割方法以及本文的舰船检测方法等。实验表明该软件取得较好结果,包括不同功能模块的测试结果以及软件的整体输出结果。