智能化和高速化一直是船舶研究的重要方向，船舶速度的提高使人们对船舶的智能化提出了更高的要求。视觉是人类获得外界信息的重要途径，因此，视觉智能化的发展对提高船舶的自主能力，使其准确识别目标，并对信息做出相应反应，从而顺利完成水面作业有着重要的意义。首先，本文针对水面运动目标的特点，在循环水槽环境下进行模拟试验，获得了不同环境下，船模不同姿态的运动目标图像，建立了目标图像库。其次，在对图像进行中值滤波后，考虑运动目标实时性要求高的特点，尝试各种分割算法，最后选择了一种计算速度快，适应性强的Otsu自适应阈值法进行图像分割，取得了满意的分割效果。然后，在特征提取、计算和特征选择方面进行研究，在对Hu矩的研究基础上，采用了一种新的在离散状态下同时具有平移、旋转和比例不变性的六个不变矩作为特征值，并通过对选择的四类目标共计300幅图像进行仿真实验，验证了该六个特征值使同类目标具有较好的聚类性，异类目标具有较好的可分性。最后，在人工神经网络识别方面进行重点研究。针对传统BP神经网络识别存在的缺陷，采用了粒子群优化神经网络权值的方法。在对粒子群算法原理进行理论分析的基础上，设置参数以及设计流程，通过对样本训练得到最终优化结果。粒子群优化算法具有很好的收敛性，避免了BP网络陷入局部极小值的情况，可以达到满意的识别效果。鉴于视觉智能化信息处理的复杂性，本文做的工作比较简单，但所提出的一些理论，也是对将来工作的一种有益的探索，为深入研究船舶的智能系统打下了基础。