本论文主要介绍了作者对计算机视觉中一些算法与实现技术的研究，主要包括图像特征要素的检测算法与实现、动态轮廓的实时检测算法以及序列图像中运动目标分割算法及其体系结构设计等。本论文的目的是研究寻找简单高效的算法和设计适用的体系结构，从而使计算理论、算法和体系结构三者结合起来，使理论成果真正走向实用。本论文的主要研究成果列举如下： 针对传统直线检测霍夫变换(Hough Transform，HT)所存在的参数空间存储量大，直线检测不精确以及图像特征点信息丢失等缺点，提出两种新的直线段检测算法：(1)提出一种基于无限对称指数滤波的HT直线段检测算法，在进行边缘检测的同时，提前精确定位边缘点的方向，减少了HT的运算量，提高了运算速度和检测精度，而且整体算法便于硬件的并行执行，使得实时处理成为可能。(2)提出图像特征点与参数点一一对应的可能性，实现了图像特征点对应于参数空间某一最优参数点，减少了参数空间的冗余量，降低了计算量，压缩了伪累积点；并将最优参数点反馈回图像平面，恢复图像特征点信息，可以检测出较短线段，修补破损直线，提高了直线检测的精度。 对MIC(Minimum Intensity Change)角点检测算法进行深入探讨，用模糊度概念进行自适应窗口插值，大大减少了以往MIC角点检测普遍采用固定窗口插值所造成的漏检和虚报概率；利用斜线上边缘点的方向连续性，有效地滤除由于图像量化误差而造成的伪角点。实验证明，新的算法明显地提高了角点检测的概率和准确度。 根据图像边缘灰度的渐变性，重新定义角点检测SUSAN(Small Univalue Segment Assimilating Nucleus)算法中小核值相似区的定义，并找到一种更为简便有效的计算小核值相似区面积的方法，在此基础上提出了RSUSAN(Redefined SUSAN)角点检测算法。相比较大多数角点检测算法，RSUSAN具有角点检测准确性高，计算简单，运算速度大为提高等优点。 在研究动态轮廓模型原理及其求解算法的基础上提出了一种新的部分最优化动态规划轮廓检测算法，保留了动态规划算法的性能和优点，但综合运算复杂度降低，运算速度大大提高。 研究序列图像中多运动目标分割所存在的问题，提出一种复杂背景下精确分割多运动目标的方法。分析和实验表明，该算法抗干扰能力强，可以有效地消除多帧间运动目标的遮挡，对复杂背景及不重叠多目标运动情况，可以精确地定位图像特征检测与运动目标分割算法的研究和实现各个运动目标的外轮廓。此外，该算法具有潜在的并行机制，易于实现实时运动图像处理。 最后，为了验证本论文所提出的相关算法，我们自行设计了基于USBZ.O总线的动态图像采集处理平台，并在其上进行了运动目标检测算法及其体系结构的验证。实验表明，本论文所提出的算法和体系结构效果良好，具有一定的应用前景。