目前最先进的深海探测与作业装备是水下机器人(ROVs,AUVs)，然而水下机器人要实现正确的导航以及近距离的水下目标场景的检查、识别与维修等作业，其首要条件是必须能够检测到水下目标的存在。但是，水下复杂场景中人造目标的检测存在两个问题：一是水下光线存在严重的衰减和散射效应，水下图像呈现散射模糊和颜色褪变等状态，此问题使得颜色和纹理特征不能作为水下人造目标的检测特征。二是水下实际场景比较复杂，除包含人造目标外，还包含各种水草、岩石等，此问题使得传统的阈值分割等方法不再适用。因此，如何从水下复杂背景中快速、自动检测出人造目标，是水下机器人应用中亟待解决的难题。为解决以上问题，本文对水下图像中人造目标的预处理算法和检测算法进行了研究，完成的主要工作如下：(1)水下图像预处理算法研究。由于水下环境的特殊性，水下光线存在严重的衰减和散射效应，水下视频图像一般会出现模糊、对比度低等图像特征，要想对水下人造目标进行实时准确地检测，首先需要对水下图像进行一定的预处理。针对水下图像的特点，提出了一种基于梯度直方图和迭代法相结合的边缘检测算法。该算法首先利用中值滤波对图像进行平滑，减少噪声影响：然后利用Sobel算子计算梯度幅值，并对梯度幅值进行非极大值抑制；最后利用梯度直方图和迭代法相结合的方法自适应确定边缘检测的阈值,进行边缘检测，得到需要的二值图像。实验结果表明：提出的算法能够得到较好地边缘检测结果，为进一步的图像分割等奠定了基础。(2)基于线特征的水下人造目标检测算法研究。针对水下复杂场景中人造目标检测实时性不高的问题，通过观察大量水下视频图像发现，人造目标一般是由直线构成的，而直线特征不受光照变化和散射衰减的影响，只要检测出图像中存在较长的直线线段，就可以判断存在候选的人造目标，因此选用线特征来检测水下人造目标。为了实现水下人造目标的实时检测，首先利用Daub5/3小波提升变换确定显著边缘检测的合适尺度；然后在小波低频子带小图像上，进行边缘检测；最后在小图像上利用改进的Hough变换检测直线。算法是在原始图像二级小波变换后的低频子带小图像上进行的，且只对显著的边缘点进行检测，因此算法实时性较高。实验结果表明：该算法可以从复杂海底场景中实时检测出具有直线特征的人造目标，满足水下视频人造目标实时检测的应用要求，为进一步进行水下人造目标识别等奠定了基础。