随着海洋资源开发的深入和声纳技术的不断发展，海洋作业中对声纳设备智能化的需求日益增长。在这样的背景下，不断成熟的合成孔径声纳技术使得一项在水下目标样本库的建立和声图实时解译等领域应用前景广阔的课题——针对高分辨率合成孔径声纳图像的目标快速提取，逐渐具备了重要的研究价值。　　合成孔径声纳图像具有分辨率较高且不随距离增加而降低的优点，客观上为声图目标信息的解译创造了条件。但受限于成像原理，其受相干斑影响较大;现有目标检测算法为规避上述缺陷的影响，大多使用了基于概率模型、使用数值方法迭代求解极值的复杂框架。随着成像精度的提高和应用规模的扩大，声图目标分析所处理的数据量日趋庞大，这些复杂算法执行效率较低的缺陷在工程应用中被不断放大。　　在此基础上，本文主要尝试了基于GMM模型和Gibbs能量场、使用图论优化迭代求解过程，从而大大提高收敛效率的Grab Cut算法。考虑到该算法对人工辅助设置初始条件的交互需求，本文提出了基于Grab Cut的自动检测优化方法，针对性的对点和线目标分别设计了基于恒虚警检测和Radon变换的感兴趣区域提取等预处理环节，以之代替人工辅助，使算法得以应用于声图的自动解译课题;并缩小搜索范围，进一步提高了目标检测与分割效率。经实验验证，该方法对于不同成像质量的声图应用场景均有着良好的目标检测性能。　　此外，针对工程应用中常见的简单背景下的线目标检测，本文还提出了一种基于形态学处理和曲线特征近似算法的解决方案。该方案通过组合一系列基础的图像处理操作，以更为简单直接的方式完成线目标的提取、判决以及特征点的标注，在特定的应用场景下具备同样的效果和更高的执行效率。　　除研究目标检测工作外，本文还涉及了SAS图像预处理的相关内容，从成像原理入手，分析SAS图像的固有特点，讨论了包括图像直航段截取、距离向灰度均衡、相干斑抑制等在内的SAS图像畸变相关问题及解决方法，并结合工程应用背景对现有方法进行优化，为目标检测工作扫除了障碍。