水下声呐图像目标分割是一项具有挑战性的工作,不仅对海底资源勘探、目标提取等工作的直接实现具有重要意义,还作为下一步正确检测、追踪目标等工作的重要基础被持续关注。水下成像环境的特殊性导致其它经典图像分割算法无法直接迁移应用到声呐图像分割。基于以上问题,本文建立了声呐图像目标分割框架,将声呐图像分割任务分为区域和边缘分割。提出了两种应用于声呐图像的无监督区域分割法;提出一种改进的水平集（LSM）声呐图像轮廓提取算法;引入并改进流体力学中的格子玻尔兹曼方法（LBM）实现声呐图像的全局分割;将研究成果集成到一个综合的GUI中,同时扩展至其它图像处理。主要研究内容和创新点如下:（1）提出了两种新的无监督区域分割方法实现声呐图像的目标区域分割,这两种方法被分别命名为聚类连通分析法（KCA）和聚类形态分析法（KMA）。创新性的引入和改进了LBM作为声呐图像目标的全局分割结果。将所提出的算法与其它四种区域分割算法进行实验对比,真实的声呐图像的实验结果显示,本文提出的KCA和KMA以及改进的LBM方法明显好于其它几种区域分割算法。（2）针对声呐图像目标边缘分割问题,提出了一种改进的水平集声呐图像分割算法。改进的水平集算法利用一种新的初始化模型替代了原有算法的随机初始化模型,最终实现声呐图像目标边缘轮廓的成功分割。本文以一种距离正则化水平集（DRLSE）方法为基础,将无监督分割生成的最小矩嵌入水平集演化的能量函数中,结合LBM方法的全局区域分割同时实现了声呐图像的区域和边缘分割任务。为了验证改进水平集算法的优越性,本文不仅横向对比了四种被广泛应用的边缘检测算法,还纵向对比了五种高频被引的经典水平集分割算法。最后利用四种图像分割评价指标来客观评估算法分割的准确性,数据结果显示本文方法的平均结果优于其它算法,分割准确性显著提高。（3）设计并实现了一个全自动的Matlab GUI用于综合的声呐图像分割,将本文提出和改进的分割方法成功嵌入至平台界面以实现声呐图像的一键分割。该平台还被扩展至一般的图像预处理和高级处理中。平台由界面引导、菜单功能和界面显示模块三个部分组成,菜单功能模块包含了图像几何运算、滤波、形态操作、边缘检测和阈值分割等常见算法共17种。GUI平台的设计和使用不仅为用户提供了极大的便利,还实现了研究成果的应用转化,增强了本文研究实际应用意义。