前视声纳作为水下探测与环境感知的设备,对人类进行水下探索、研究与海洋开发具有重要意义,其主要用于水下目标定位、跟踪、避障等。水下目标跟踪的任务是在以前视声纳采集的数据为基础,生成连续图像序列,并快速准确地预测出目标在每一帧图像中的位置。在军事上还是民用上,研究快速、准确、有效的前视声纳水下目标跟踪技术都具有重要的理论价值和实际意义。由于原始声纳数据是以极坐标形式存储的灰度值,而图像显示设备为直角坐标形式,且人眼对彩色的变化比对灰度变化敏感,因此,对前视声纳原始数据进行预处理尤为重要,预处理主要包括前视声纳图像生成及伪彩色处理两部分。前视声纳图像生成是采用抛物线八点插值的方法对波束与采样点分别插值,利用向后映射坐标变换方法进行坐标变换,生成声纳图像;在此基础上,提出一种自适应热金属编码算法的前视声纳图像伪彩色处理,即使用最大熵阈值法自适应的选择热金属编码节点值,完成伪彩色处理。实验结果表明,采用的前视声纳图像生成方法,能够消除图像中的马赛克现象,得到细节突出的前视声纳图像,结合提出的自适应热金属编码算法的伪彩色处理,能够得到色彩丰富、目标突出的彩色图像,有利于对前视声纳图像中的目标进行后续跟踪处理。由于前视声纳图像与光学图像有着较大的差别,很多适用于光学图像的目标跟踪算法不能被应用在前视声纳水下目标跟踪中,结合前视声纳图像特点,提出一种自适应粒子群优化算法(Adaptive Particle Swarm Optimization,APSO)用于前视声纳水下目标的跟踪。即为解决粒子群优化算法(Particle Swarm Optimization,PSO)中粒子多样性丢失、早熟收敛的问题,采用自适应调整粒子群优化算法的惯性权重,平衡粒子的开发与探索能力;在此基础上,选择种群中的随机粒子与当前粒子的个体最优值进行比较,采用两者中个体最优值较大的粒子,更新粒子的速度,进一步解决粒子陷入局部最优的问题;当水下目标被遮挡时,为了达到较好的跟踪效果,根据目标遮挡情况,利用新的自适应离散群优化(Adaptive Discrete Swarm Optimization,ADSO)的更新策略更新粒子,完成前视声纳水下目标跟踪。通过对前视声纳采集的水下目标数据进行实验结果分析,验证本文的APSO算法能够准确的完成前视声纳水下目标跟踪,对比于其他算法,提出的APSO算法具有较好的跟踪精度和有较快的跟踪速度,同时具有一定的有效性和适应性。