水下目标检测与识别是水下智能机器人感知目标信息,顺利进行自主作业的关键技术。本文来源于哈尔滨工程大学水下机器人国防科技重点实验室基金项目,针对水下图像受光照条件以及水质的一些特殊影响,对基于特征匹配的水下目标检测与识别算法进行了深入研究。论文研究内容主要包括以下几个方面:　　 分析了传统图像分割算法的优缺点,结合水下特殊环境目标图像的特点,将Canny边缘检测和迭代阈值分割算法进行优势互补,实现了对图像的后处理式联合分割算法,有效的减小了光照不均等噪声干扰对目标提取的影响,目标的检测提取降低了后续目标识别算法的复杂度和计算量。　　 分析了目前广泛应用于目标识别的算法适应性,提出了一种基于霍夫变换与几何特征匹配相结合的识别算法。Hough变换直线匹配多边形算法和通过最小外接矩形结合矩特征提取椭圆类目标参数的匹配算法都具有较强的抗干扰能力,在一定程度范围内具有较好的抗旋转和抗缩放性能。　　 采用盛博公司的PC104嵌入实时操作系统VxWorks作为开发平台,加载WindML图像处理组件,在Tornado开发环境下实现了三棱柱、四棱柱、球体和椭球体四类实测水下目标的准确检测与识别。由实验结果可以看出,本文实现的后处理式联合分割水下目标检测以及基于Hough变换直线匹配和几何特征匹配的水下目标识别算法具有较优的准确性和稳定性。