近些年,随着科学技术的飞速发展,声纳技术在水下救援、海底资源开发和海洋军事领域的价值越来越重要,这就对声纳图像的质量提出了更高的要求。由于水声信道传输环境的复杂性,导致采集过程中声纳图像容易退化,严重影响后续特征提取和目标识别。而目前对于声纳图像质量评价的研究相对较少,且研究成果性能不尽人意。因此,提出和完善声纳图像的质量评价模型有助于当前民用领域、海洋科学领域和海洋军事领域的协同发展。针对目前声纳图像质量评价的研究现状,本课题分别从传统图像分析和较前沿的卷积神经网络两个角度出发,分别对声纳图像进行全参考和无参考质量评价,主要完成的工作如下:（1）对国内外现有的一些主流图像质量评价算法以及不同类型图像的特点进行了分析总结,对一些传统的图像分析技术和卷积神经网络技术进行了阐述。在此基础上,进一步分析了声纳图像质量评价算法的研究现状,明确了本课题的研究意义。（2）基于多尺度结构融合的全参考声纳图像质量评价算法研究。考虑到声纳图像特有的结构特征信息,本文首先对声纳图像的微观结构（亮度、锐度、对比度等纹理信息）和宏观结构（显著性等轮廓信息）进行提取,然后使用相似性度量的方法来度量失真图像与无损图像的相似度,最后将两种结构进行像素级加权融合来预测声纳图像的客观质量分数。在SIQD数据库上的实验结果表明,所设计的算法在预测精度、单调性和一致性等方面都有显著的提高,而且在执行效率方面也提升了6倍。（3）基于深度神经网络的无参考声纳图像质量评价算法研究。为了追求更高效的性能,设计了一种双路径深度神经网络,在该方法中,分别采用批处理归一化和跳跃操作来减少训练时间和加快特征提取速度。然后,利用全局平均池化层和完全连接层对两条路径提取的声纳图像结构特征进行融合。最后,在新建立的SIQD数据库上的实验结果表明,所设计的网络模型在预测性能和执行效率上有了显著的提高。（4）声纳图像质量评价平台的设计与实现。为了将设计的两种算法进行实际的应用,采用Qt designer和Pycharm软件设计了一个声纳图像质量评价交互平台,方便工作人员使用。主要功能包括:用户登录模块、用户注册模块、找回密码模块以及与两种算法对应的声纳图像质量评价主界面展示模块。能够实现高质量声纳图像的筛选,可大大节省人力资源。