作为地球上尚未被开发的最大的区域,海洋世界对于世界各国具有无穷的吸引力。由于海洋的物理特性和人类自身能力的限制,人类无法像在陆地一样使用常规光学仪器探测海洋。因此,侧扫声呐系统成为水下勘测的最便利工具,其测绘海底地形的能力在军事和民用领域具有广泛应用。然而,侧扫声呐生成的图像都为条状图像,不能将所有影像呈现于同一张图像以观察海底全貌,因此通过特征匹配将声呐图像拼接成大范围图像具有重要意义。同时,由于水下环境复杂,侧扫声呐图像受噪声污染严重,灰度级窄,特征微弱,并且,为了获得更为宽广精确的地形,声呐从多种方向扫描,同一区域在大视角变换下呈现不同特点,这给图像特征匹配带来极大障碍。本文以实际侧扫声呐数据作为研究对象,深入研究了侧扫声呐图像特配匹配技术的理论和和方法,针对以上关键问题分别进行了研究并提出了一系列完整解决方案,对于涉及到的侧扫声呐数据解析,图像预处理,实时拼接,基于特征的图像匹配,高噪声污染图像特征匹配和大视角旋转变换图像匹配等关键处理步骤给出了详细的原理剖析和实现方法,并通过Visual Studio平台编程实现,有效地解决了侧扫声呐图像特征匹配的关键问题,本文主要工作如下:首先,对侧扫声呐数据进行解读,在分析原始数据的基础上,提出基于非线性补偿的灰度校正算法,改善了图像因为声波能量在水中衰减及指向畸变产生的灰度失真问题,使图像层次感更强烈。声呐被船拖拽扫描,其姿态受到扰动,导致图像扭曲断裂,影响判读,对此提出航向角优化及波动失真校正模型进行几何校正,校正后的图像经过插值,特征更流畅,图像质量得以提高。对几种经典的噪声滤波方法进行介绍,并进行了改进研究,提出一种基于引导滤波改进的二维经验模态分解滤波算法GMED,新算法在降噪基础上最大化保留声呐图像特征,为后续的特征匹配工作开展打下基础。其次,提出了基于分层的侧扫声呐图像特征匹配算法。首先介绍了经典的基于特征SIFT匹配算法。侧扫声呐图像大多为海底地形,角点特征稀少,SIFT算法无法提取足够特征。针对这一不足,利用引导滤波算法进行改进,首先将图像分为细节层和主干层,对细节层进行增强后,与主干层的共同特征作为匹配特征,同时,加入声呐定位导航信息作为辅助信息层,降低误匹配,通过实验证明,该算法能够获得良好的匹配效果。再次,对含有大量噪声的侧扫声呐图像匹配算法进行了研究。当图像噪声过大时,以高斯平滑为核心的高斯尺度空间对于图像细节破坏过大,以此为基础的常规算法对于图像特征本就不多的侧扫声呐图像难以适用,故而采用非线性扩散方法自适应图像数据,使得图像的噪声被抑制的同时又不模糊图像细节或边缘信息,首先改进PM扩散方程,使得扩散行为更快收敛于边缘,更好地保护细节特征,同时改进特征描述向量,使维数降低,提高效率。实验表明,随着噪声的增加,基于非线性尺度空间的特征匹配算法仍然具有较高的匹配性能。第四,提出了基于非线性全仿射的特征匹配算法。侧扫声呐实际应用中从多方向扫描同一区域,除噪声外还具有大视角的仿射旋转变换,同一区域特征在不同角度下呈现不同特性,难以匹配。对此首先研究仿射不变特征理论,通过将仿射不变特征理论中的仿射相机模型引入非线性尺度空间,提出了改进的非线性仿射不变算法NAIR。通过含噪图像在不同旋转变换角度下的实验,验证了NAIR算法相比于其他仿射不变算法对于含噪图像具有很好的匹配性能,同时,为了更好的地符合声呐图像实际采集环境,进行了包含噪声,仿射旋转,尺度,模糊因素在内的综合对比实验,实验结果显示,NAIR算法具有极佳的适应性。本文最后对全文的研究工作进行了总结,归纳了创新点,并对下一步工作的研究方向进行了说明和展望。