随着计算机软件和硬件的飞速发展，视觉图像处理技术越来越多备受人们的关注。尤其在军事侦查、电视制导、机器人导航、安全检测、交通管理、医疗诊断等领域，视觉图像处理技术得到了广泛的应用。针对大型舰船模型横纵摇摆度的检测问题，本文以摇摆目标作为研究对象，通过对一般基于视频序列图像的目标检测技术进行研究与分析，从而研究了两种改进的摇摆目标检测算法。第一种算法，为了提高摇摆目标检测的鲁棒性和实时性，本文在充分利用视频图像序列空间与时间上的相关性，并结合常用的背景差分算法与帧间差分算法的基础上,提出了帧内差分算法。它首先采用了空域大尺度的高斯加权滤波法对序列图像进行实时背景建模，为了提高图像处理的速度，本文采用了积分图像法对它进行实现；然后对它与原序列图像进行差分处理，这样可以有效地降低光照、噪声和其他环境变化带来的影响；再对差分图像进行基于统计信息的自适应阈值分割处理，从而得到包括了摇摆目标在内的前景图像；为了对摇摆目标进行精确定位与识别，本文又对前景图像进行了区域定位、区域归一化处理和模板匹配处理。实验结果表明，与传统方法相比，该算法不仅能够较完整的检测识别出摇摆目标，而且其具有更快的运行速率和更高的鲁棒性。第一种算法是通过将图像的前景与背景分离来实现的，而第二种算法是基于对摇摆目标的特征提取及匹配来实现的。本文重点研究与分析图像的局部不变性特征算法——SIFT算法，针对SIFT算法不具有仿射不变性，且其时间和空间复杂度都很高，不能够对视频序列图像进行实时处理的问题，本文提出了一种改进的SIFT特征提取算法，它首先利用MSER算法检测出最大稳定极值区域来代替DOG算子检测出的极值点，增加了特征的稳定性，也减少了特征描述子的数量；其次，将圆形特征区域分割成8个扇形子区域来代替传统SIFT的16个方形子区域，并用高斯函数来加权梯度信息域来构造新的SIFT特征描述子。通过实验表明，该算法相对于传统的SIFT算法，不仅具有平移不变性，平移不变性、尺度不变性和旋转不变性，而且具有仿射不变性和更快的速度，能够达到实时处理图片的要求。