当下随着声呐技术的不断进步,海洋学家利用水下声呐技术对神秘的海底世界进行探测,所得到的海底底质声呐图像中包含了大量的底质信息,为之后的海底探测、反演海底底质以及军事作战等领域工作打下基础。本课题以声呐成像技术为背景,考虑到其成像原理以及干扰因素,重点分析了几种图像去噪、增强、特征提取以及分类的算法。并从各组实验用时、准确率等出发,对比分析出最适宜海底质声呐图像分类的一组模型,对海底底质研究有一定的推动作用。开篇,先对此次研究方向:面向海底底质声呐图像处理、归类的现状、目的、实际应用给予了一定概述,对国内外在此领域的研究现状、发展历程做了对比,并与探测系统工作流程及其相关原理相结合,除此之外还介绍了所用数据样本出处。其次,鉴于海洋环境的复杂多变以及来自设备等更多方面的外界因素对海底底质图像的影响,本文有针对性的选择一些预处理方法来减少外界干扰。通过分析几种算法并比对效果后,最终选择自适应中值滤波对原始声呐图像做去噪处理。除此之外,还通过Retinex算法对去噪后的图像进行增强处理。对图像的分辨率、对比度等特性以及整体效果加以改善。为了后期图像辨别、归类取得较好效果,此前需应用较为恰当有效的特征提取算法对图像进行特征提取。考虑到海底底质声呐图像本身特有的纹理等特性,本文采用了三种算法,分别是:尺度不变特征转换(SIFT)、改进的局部二值模型(改进的LBP)以及改进的密集微块差异算法(改进DMD)。SIFT特征提取算法具有一定多量性、高效性、区分性等优势,可以准确、较快的获得声呐图像描述符。改进的LBP描述子规模相对较小,提取方便、运算简单。改进DMD特征提取算法是较为新颖的用在纹理图像分类中的算法,内容丰富,具有很强的代表性。此次实验首次将其改进后应用在海底底质声呐图像中且其效果较为理想。最后,在分类方法中采用SVM、DBN两种算法对上文提到的特征提取算法所得描述子做分类验证。通过对实验结果及过程分析,发现改进DMD特征提取算法与DBN分类算法相结合的模型性能较好且准确率较高,更适合于海底底质声呐图像分类,最终选取此模型作为最终分类方法,此次实验也为海底底质图像分类研究提供了一定的参考价值。