为适应经济发展和军事上的需要,现代海洋高新技术的研究已成为当今世界海洋技术研究的前沿。计算机视觉系统是水下机器人获取周围环境信息的重要手段之一,而运动检测则是水下机器人对环境动态感知、快速定位与跟踪视觉目标的关键。本文在这一背景下,开展了基于序列图像的水下运动目标检测方法研究。由于在图像序列的采集过程中,摄像机的视点位置在不断地发生变化,导致背景也相应地产生了运动变化,所以必须先进行背景补偿,再进行检测,因此论文首先对序列图像的全局运动补偿技术进行了讨论,并提出了一种基于匹配加权函数的补偿方法,使补偿后的帧差图像只保留了运动目标。论文通过对经典光流估计算法的分析,指出因其采用的最小二乘估计方法在残差不服从正态分布时不具有鲁棒性,因此我们对原有光流估计方案作了改进,提高其对于偏离数据点的耐抗性。针对目标运动过大的情况,本文提出了基于多分辨率的光流计算方法,在图象的多尺度框架下,随着分辨率的逐层降低,流速成倍减小,在小的流速条件下,亮度恒定假设条件容易得到满足,使得光流的估计更加精确。最后,我们利用聚类算法实现了基于光流场模型的运动目标分割。最后本文讨论了高阶统计处理方法在运动目标检测的应用。高阶累计量具有从高斯噪声中有效提取非高斯信号的特性,从而为我们从高斯噪声中提取运动模板提供了理论依据。另一方面,为了将马尔可夫随机场模型与运动目标检测问题联系起来,我们首先建立运动模板图像的马尔可夫随机场模型并且构造其相应的能量耗费函数,通过条件迭代模型优化算法得到能量函数的最优解,即标记场,进一步得到具有准确边缘的运动目标。本文的方法能够有效地抑制水下环境干扰,检测到较准确的目标边缘。