随着水下无人设备与技术的发展,水下安保问题变得愈发突出,如何对水下运动目标进行探测识别就成为了亟待解决的难题。准确的识别离不开对目标特征的提取,其中对运动特征的提取显得尤为重要。水下目标识别领域现有的研究缺乏对水下目标运动特征的深入发掘,仍停留在利用速度、路径等简单信息作为运动特征的阶段,忽视了声纳图像序列中帧间相关性所包含的运动信息。近年来三维矩特征提取方法因其通用性、便捷性以及时空一体化处理能力被逐渐应用于三维图像的特征提取中。因此,本文首次将三维矩方法应用于水下运动目标的特征提取环节,以实现针对鱼类与水下机器人两类目标的运动特征描述。水下目标模式识别是一个系统性的工程,不仅需要提取特征来表征目标的身份,还需要目标检测、图像预处理等相关技术的配合。因此本文在充分调研相关文献的基础上,探索了适用于声图像序列的多种目标检测算法,并使用较为成熟的图像预处理技术,对经由自行实验获取的两类别目标的声纳图像序列进行了处理。之后分别应用三维中心矩、三维速度矩、三维Zernike速度矩三种运动特征提取算法,对处理后的图像序列进行特征提取,并从相似度测定和KNN分类器识别两方面对比分析了三种特征的分类性能,建立了水下运动目标的二分类模式识别框架。研究结果表明:（1）混合高斯模型较好地模拟了声纳图像序列中噪声背景随时间的变化规律,基本能够实现消除背景噪声的干扰,基于该模型的目标检测算法提取的前景目标形态完整、轮廓清晰,适用于从信噪比较低的声纳图像序列中进行目标检测。（2）KNN分类器对应用三种特征提取算法得到的特征进行分类,识别率均达到了90%以上。证明三种算法均能有效地表征不同类别水下目标的运动特征,并产生可分度较高的特征向量。反映出运动特征在水下目标识别中较高的应用价值和现实意义。（3）从特征相似度、分类识别率、特征维度等综合方面分析,证明了三维Zernike速度矩在进行鱼类和ROV二分类的识别中具有更好的性能,获得了优于传统方法的识别结果。