如何进行水下目标探测一直是各国学者的难题,其关键在于发现目标。AUV上搭载光学探测设备对水下目标进行探测和识别因其具有独特的优势,已逐渐成为一种重要的水下目标探测手段。因此,水下机器人搭载光视觉系统进行水下目标探测有其必要性。在AUV对水下目标进行探测及识别时,边缘是水下目标最为重要的形状特征,因此提取水下目标的边缘是AUV光视觉系统的主要任务之一。同时,也是后续自主探测识别的基础。本文首先分析水下图像的特点,介绍了微光和激光摄像机对水下目标的成像机理以及在水池利用光传感器进行图像采集实验的情况,并给出了实验的相关结果。接着在水池实验获得的数据基础上,本文应用传统的预处理方法和边缘检测算法对一种典型的水下目标——水雷的微光激光图像进行处理,从结果上看,常见的图像增强方法能在一定程度上提高图像质量,但传统的边缘检测方法难以奏效。针对传统的边缘算法难以检测出理想的水雷边缘轮廓,本文重点研究了以主动轮廓模型为基础的边缘检测算法在水雷边缘检测中的应用。研究结果表明,在水雷微光图像中,主动轮廓中的GVF-Snake边缘检测算法对于水雷的微有着较好的检测效果。而在水雷激光图像中,轮廓线易发生过收敛现象。在传统的GVF-Snake主动轮廓模型中,初始轮廓线需由人机交互的方式进行设置。无法满足AUV对于自主性的要求,针对这一缺点,本文提出了一种与Candy算子相结合的改进的GVF-Snake边缘检测算法。此方式能够由计算机自动设置初始轮廓线。经过相关的实验验证,此方法能够在激光图像中获得由计算机自动设置的理想的初始轮廓线,但在微光图像中因为噪声干扰未能成功设置初始轮廓线。针对改进的GVF-Snake算法在微光图像中可以获得理想的边缘检测结果,但无法自动设置初始轮廓线而激光图像可以自动设置初始轮廓线但无法获得满意的检测结果这样的矛盾,本文提出了一种基于激光/微光信息融合的水雷图像边缘检测算法。根据激光图像和微光图像各自的优势,对激光水雷图像和微光水雷图像进行了信息融合,使得最终的算法既能让计算机自动设置初始轮廓线以满足AUV对于自主性的要求,又能获得准确的水雷边缘轮廓。最后,本文研究基于轮廓的边缘细化方法,获得了最终的能用于目标识别的,只保留水雷轮廓信息,且轮廓线宽度为1的水雷轮廓边缘的二值图像。