随着海洋开发活动的日益增多,声纳技术受到了各国的重视。应海洋探索的要求,对声纳设备智能化的要求越来越高,对水下目标的检测技术的应用也越来越多。而作为一种高分辨率图像声纳,合成孔径声纳(Synthetic Aperture Sonar,SAS)具有重要的地位,因此对合成孔径声纳进行目标检测技术研究有重要意义。　　 由于合成孔径声纳成像过程中需要进行相干操作,因此合成孔径声纳图像中存在着固有的相干散斑,在一定程度上影响了图像的判读,选择合适的去斑方法是进行图像预处理的重要步骤。本文对传统空域滤波算法、局域统计自适应滤波算法和小波域滤波算法进行了研究,重点分析了Lee滤波算法、Kuan滤波算法、Frost滤波算法、几种算法的增强算法及小波域滤波算法。为了验证各种算法对SAS图像的相干斑抑制效果,使用仿真生成图像和真实SAS图像进行滤波操作,并对滤波结果进行了量化分析。　　 Markov随机场理论为描述图像像素与其邻域的相互依赖关系提供了一种有效的建模方法,反映了图像数据的局部相关性。根据Markov随机场与Gibbs分布的一致性,通过单个像素及其邻域的简单局部交互,可以获得复杂的全局行为。基于Markov随机场的目标检测算法使用Markov随机场理论对图像进行分割,为将该方法应用于SAS图像,本文对SAS图像的统计分布模型进行了分析。由于分割所得的图像中有许多孤立点和小的孔洞,提出了使用形态学操作对图像进行处理。本文使用连通区域标记法对图像进行标记,根据标记结果判断目标区域。　　 水平集理论与活动轮廓模型、曲线演化理论互相渗透,彼此融合,能够很好地融合多种信息建立能量模型,自动处理轮廓线的拓扑变化,在图像分割和目标检测领域有着广阔的应用前景。本文基于水平集理论和传统C-V模型提出了一种新的混合能量模型,该模型既具有全局分割效果,对初始轮廓不敏感,又能够精确定位图像边缘,符号距离函数惩罚泛函的引入避免了复杂的重复初始化,降低了计算复杂度,提高了算法运行效率。