在计算机视觉和模式识别技术领域,目标识别技术是其核心研究热点。本文应用计算机视觉和模式识别技术,着重针对水下人造物体球形目标的图像的检测与识别问题进行研究。在目标识别问题中,核心问题是对目标图像进行区域分割、提取目标的特征信息,并对其进行进一步的识别和分类。对水下人造目标来说,球形目标是重要的一类。在进行图像分割和边缘检测的众多方法中,Zernike正交矩(ZOM)亚像素检测技术是性能优良的一种。本文采用ZOM改进算法,对阶跃型直线与圆弧边缘,以亚像素来检测阶跃型直线边缘的位置和方向信息,实现了球形目标的边缘提取。结果表明该方法具有很强的抗噪性能以及边缘细化的能力。利用ZOM算子检测出边缘点的位置与方向信息,应用随机Hough变换对边缘曲线点进行分类,根据已知目标边缘与候选边缘距离的范数的大小来识别边缘的内点与外点(野点)。实验结果表明,所得的边缘与实际目标模型实现了较好地匹配。针对一般性球形目标的识别问题,需要进一步关注图像的特征,本文利用不变矩对平移、尺度和旋转因子具有不变性的特点,对目标图像进行不变矩特征的提取。最后利用改进的BP算法设计了神经网络的结构及各种参数,并对BP神经网络进行了训练,实验结果表明了对球形目标的识别的有效性。