随着人们对海洋的不断探索,水下目标检测与识别技术的研究越来越受重视。以水下机器人为载体的水下目标识别系统,以其良好的便携性和水下探测的灵活性,成为了水下目标检测与识别的关键技术平台。在水下环境中,机器人主要通过声呐和水下摄像头构成的视觉系统进行水下目标的检测。相对于光学图像,声呐图像成像距离远、穿透性强,能够实现远距离目标的搜索与检测,在水下目标检测、水下搜救,海底地形探测等都有广泛的应用。然而,受限于水下成像环境的复杂性和多变性、以及水下干扰的影响,使得声呐图像存在较严重的噪声、对比性差、图像分辨率低,给后续的水下目标检测和图像解释带来了很大的难度。此外,声呐成像的过程中探测距离与成像分辨率的矛盾进一步限制了其在水下目标检测与识别中的应用。因此,针对以上问题,本文研究声呐图像的降噪和增强算法。考虑到声呐图像的特殊性,经典的光学图像斑点抑制和增强算法不能直接应用,本文基于深度学习来设计适合声呐图像的斑点抑制和增强算法。本文具体的研究内容主要包括以下几个方面:（1）声呐图像中的噪声以乘性的斑点噪声为主,还存在少量的加性的高斯噪声,然而现有的图像降噪算法主要针对加性噪声。因此,针对声呐图像的斑点噪声,本文采用了基于复合损失函数的跳跃连接卷积去噪自编码器。通过引入了跳跃连接和复合损失函数,以学习声呐图像的更多细节信息,提高算法的降噪性能的同时,避免了边缘信息的丢失。（2）声呐在低频工作状态时探测距离远但图像分辨率低,而在高频的工作情况时,得到的图像分辨率高但探测距离近,这一矛盾限制了其应用范围。在不增加硬件成本的前提下,本章采用了基于卷积稀疏自编码器声呐图像增强算法,利用低频信号恢复更接近高频信号的清晰图像信息。该增强算法在网络中增加稀疏约束,使网络具有更好的学习能力,同时也引入了跳跃连接层和复合损失函数,提升算法的图像增强性能。（3）设计搭建水下机器人目标检测与识别系统,作为实验平台验证本文声呐图像的斑点抑制和增强算法的有效性。经过大量实验分析,引入声呐图像斑点抑制和增强算法后,水下目标识别效果明显提高。