本课题来源于军用智能水下机器人技术中“水下光视觉信息处理和理解技术”项目。目标自动识别系统对于提高水下机器人的自主能力以及顺利完成目标探测和定位的任务具有很重要意义。光视觉识别系统包括：图像采集、图像处理、特征提取和图像识别四个部分。本论文主要在图像的边缘提取、特征值的选取与计算以及识别方法三个方面做了研究工作。 首先是在边缘检测方面作了适当的学习与改进，对传统Kirsch算子进行改进，采用了一种快速抗噪声的边缘检测算法，提高了检测速度和效果。 其次对特征进行提取、计算和选择，得到聚类效果较好的特征值。在离散情况下，HU氏矩只具有平移、旋转不变性，在此基础上组建了六个同时具有平移、旋转、比例不变性的矩作为特征值。 最后在识别方法上既采用了传统的模糊聚类识别也应用了BP神经网络进行识别。利用六个不变矩特征值对BP网络分类器和模糊聚类分类器分别进行验证。实验证明：两种方法提取出不同模式的信息特征，两类分类器都可以有效地将不同的模式区分开来。在整个数据分析过程中，充分利用了Matlab强大的计算和绘图功能，实现了数据直观有效地分析。 论文主要针对边缘检测、特征提取和图像识别进行了一些算法研究，并将其应用到水下目标图像上，对于目标识别的深入研究具有一定的借鉴意义。