海洋作为世界上未被开发的最大的覆盖域，以其巨大生物质能和矿产资源蕴含量而受到世界各国的高度关注。由于海洋的物理特性使得光学成像仪器不能提供给人类勘测海洋有效的技术支持。因此，声学探测设备——声呐系统成为获取海底目标信息的最有力工具，在现代军事与民事活动中广泛应用，以其特有的精确性和稳定性成为探测海底资源、目标等信息的关键设备。然而，受声呐设备的成像角度和距离大小的影响，兴趣目标不能在同一声呐图像完整呈现出来，不利于人工判读、识别与跟踪兴趣目标。因此通过匹配将设备采集的目标声呐图像拼接起来具有深远意义。本文以实际采集和计算机仿真的声呐图像为研究对象，针对声呐图像中的噪声污染以及声呐图像特征匹配性能不佳，剖析了原理并给出了解决方法，有效解决了声呐图像拼接中的核心问题。　　本文研究的工作内容主要包括：　　（1）对BP神经网络的基本结构、工作原理以及BP神经网络设计的基本方法进行了研究；剖析了标准遗传算法的原理以及基本步骤和特点，为后续特征匹配工作提供理论基础，应用GA-BP神经网络的声呐图像拼接奠定了理论基础。　　（2）针对声呐图像噪声不同的来源进行分类，对噪声进行统计建模，改进了引导滤波，提出了一种自适应加权的滤波方法。与常用的几种经典图像滤波方法进行对比，对同组声呐图像进行滤波处理，通过对处理结果的对比分析，验证了提出的自适应加权滤波方法的有效性和准确性，且去噪效果较好，可有效去除声呐图像散斑噪声，同时保留图像特征，为后续的拼接工作提供有效的预处理。　　（3）针对声呐图像拼接相关技术在海底测绘、海底搜寻、海底沉积物识别等领域需精确拼接的要求，从声呐图像特征入手，提出了基于GA-BP神经网络的特征匹配算法，减少图像特征点的错误匹配，给出其对声呐图像的配准结果。在配准精度方面，将提出的GA-BP神经网络的特征匹配算法与几种常用的配准算子对比分析，结果表明，本文提出的方法不仅拼接精度高，且多角度仿射变换声呐图像拼接效果良好。