本文研究了基于高维视觉特征模型的目标图像检测与图像分割技术的理论模型及多种关键技术，并将其应用到实际应用系统之中，完成了相应工程项目的研究任务。 本文首先根据人类视觉系统识别特性建立了目标图像高维视觉识别特征模型，并在此基础上提出了相应的目标检测定理与推论，将目标图像检测与分割问题转化为分阶段的高维特征识别问题。根据目标检测理论模型，建立了目标图像检测与图像分割系统，通过对组成系统的关键模块功能方程的讨论，提出了目标图像检测与图像分割的几种不同的技术实现方案，并重点讨论了以下几项技术： 基于邻域变化矢量场的彩色图像边缘检测技术：彩色图像边缘检测对于纹理特征的提取起着至关重要的作用。与其它基于梯度的边缘检测技术不同，本文提出一种基于邻域变化矢量场的彩色边缘检测算法，通过衡量彩色变化的方向性进行边缘检测。本文首先讨论了图像邻域变化矢量场模型，分析了不同的邻域变化场计算方法。并在此基础上，拟定了用彩色图像邻域变化方向锐度描述视觉边缘的技术，采用模糊聚类的方法自适应地得到边缘检测结果。 目标图像高维特征复合模糊测度与快速遗传搜索技术：该算法指出，在满足目标空间存在域形状约束条件下，使彩色—纹理特征复合相似性测度函数取得最大值的区域即为目标区域。在高维特征复合相似性测度函数的设计上，先对彩色与纹理进行模糊测度，并将两种测度进行线性融合得到高维特征复合模糊测度函数。在此基础上，利用空域约束指导下的遗传算法进行全局搜索，从而检测出具有最大模糊相似度的目标图像域。在基本遗传算法的基础上，改进了种群的初始化方法，使得算法的搜索效率得到提高。 复杂光照下的目标图像多级级联检测技术：该算法对高维视觉特征模型所包括的颜色、纹理、形状等特征进行逐级二元检测，由粗到精的求出目标图像区域。首先进行目标颜色检测，考虑到复杂光照下，颜色特征描述有所不同，本文提出一种基于H-SV′光照准平稳彩色空间的目标颜色统计检测技术，并利用形态学提取出复合目标颜色特征的可能区域。然后，在彩色纹理边缘检测的基础上，采用形态滤波的方法提取出彩色变化频度较大的目标彩色纹理区域，最后通过对目标彩色纹理区域的形状特征检测提取出真正的目标区域。