声纳作为一种探测技术在人类对海洋资源的开发中发挥了重要的作用。合成孔径声纳（Synthetic Aperture Sonar,SAS）利用小孔径基阵的移动获得方位向上大的合成孔径，从而获得在方位向精度较高的图像。目前，合成孔径声纳已经成为国内外用于海洋探测的重要手段之一。随着对海洋资源开发的不断深入，对合成孔径声纳已不再满足成像，更需要其能够完成目标的检测与识别。　　本文在分析SAS图像特点的基础上，借鉴数字图像处理、模式识别、信号处理等相关理论，构建了基于SAS图像典型目标的识别系统，并采用真实的SAS图像对其进行了验证。　　主要研究内容包括以下几个方面:　　1、针对小波域无法很好地刻画奇异几何信息的缺陷，在分析了curvelet变换和独立分量分析的基础上，提出了curvelet域独立分量分析SAS相干斑抑制方法(curvelet-ICA)。新方法与小波域、curvelet域相比，有效地减小相干斑对SAS图像的影响。　　2、由于SAS图像破坏了压缩感知中所必备的稀疏条件，使得传统压缩感知算法图像恢复效果较差。基于此，提出了curvelet域SAS图像的压缩感知算法(curvelet-CS)。该算法采用curvelet变换对图像进行稀疏分解，并将l1范数与全变差正则化的思想引入，得到适用于SAS图像的压缩感知算法，提高了图像的恢复质量。　　3、针对传统马尔科夫随机场分割算法(MRF-SA)分割精度差的缺陷，将泊松数字抠像技术引入用于代替传统的模拟退火优化算法，提出了基于马尔科夫的泊松SAS图像精确分割算法(MRF-Possion)，实现了SAS图像的精确分割，为进一步的特征提取提供了可能。　　4、构建了SAS图像典型目标的特征空间，特征的提取是在精确分割的基础上进行，该特征空间包括目标不变矩、阴影的几何参数、图像统计差异特性。新的特征空间补充了对目标阴影的描述，同时引入了图像的统计差异作为新一类的特征，为特征提取的研究提供一种新的思路。另外，采用主成分分析和线性判别分析对特征空间进行了优化，优化后的特征空间冗余度低，且使数据能够更好地表征各类特征。　　5、在分析SAS图像的局部统计特性的基础上，充分利用局部统计特性与韦布尔分布之间的参数关系，将目标区域量化成分段函数的形式，达到划分感兴趣区域的目的，检测结果表明正确检测概率较高。　　6、分别利用k-均值聚类与支持向量机对系统提取特征数据进行分类识别。采用k-均值聚类算法分析特征空间选取对分类性能的影响，验证所构建的特征空间良好特性。采用支持向量机通过输入训练序列得到三类典型目标的识别结果，同时，分析了阴影信息以及特征优化在有监督识别中的积极作用。