水下运动目标的识别与跟踪是水下自主机器人(AUV)视觉领域的研究内容,同时也是目标分类、目标行为分析等高级操作的基础,在计算机视觉处理领域具有很重要的作用。它是一门融合了计算机视觉、图像处理、模式识别和人工智能等多学科的前沿课题,因此本文研究的内容具有重要的应用前景。基于声纳图像的运动目标识别与跟踪任务主要分为四个方面的工作:声纳图像的采集与预处理、运动目标的识别、运动目标的数学建摸、运动目标的跟踪。本文分别对上述四个方面进行了研究。首先,在声纳图像采集与预处理模块,简要的介绍了本文所使用的Tritech公司的Super Seaking DST双频数字扫描式声纳的工作模式及其数据格式,同时研究了对所获得的声纳图像所采取的图像增强、图像分割、数学形态学处理及特征提取等预处理方法。其次,研究了在运动目标检测方面使用的各种算法,通过对其原理进行研究,选择其中适合用于基于声纳图像的运动目标检测算法,并通过实验检验了该算法在基于声纳图像的运动目标检测中是有效的。再次,研究了对运动目标进行的数学建摸,这其中包括非机动目标的模型和机动目标的模型,本文着重对机动目标的数学模型进行了详细的研究。这一部分为运动目标跟踪的数学基础。最后,研究了运动目标跟踪技术,这是本文的核心创新点。这其中研究了粒子滤波,并针对粒子滤波算法中的样本贫化和算法复杂度问题,本文提出了基于粒子群优化和支持向量回归的平滑粒子滤波算法,经实验验证取得了较好的跟踪效果。