随着对海洋资源探测开发和水下作业需求的不断增加,智能水下机器人(AUV)正日益受到国内外重视。考虑到水下环境的复杂性,水声探测仍是目前水下探测中一种较为有效的方式。研究基于前视声呐的声视觉跟踪系统对于海上防御、海上安全作业及海洋开发等领域有着广泛的应用价值和重要的战略意义。本论文重点研究基于AUV前视声呐的多目标跟踪问题,以前视声呐作为声视觉传感器研究声呐图像处理、目标检测、跟踪及数据关联方法,主要研究内容如下:首先,针对水下声学图像特点进行前视声呐图像处理方法研究。通过软件编程获取其回波数据,采用坐标转换、波束内插获取声呐原始图像;根据前视声呐原始图像特点,采用均值加速的中值滤波算法、改进的Pal-King模糊图像增强进行图像预处理工作;利用基于模糊隶属度函数的阈值分割算法对经过处理的声呐图像进行分割;最后采用连通区域的改进算法对分割后的图像进行区域缺损连通。其次,研究水下目标特征提取方法,利用主成分分析方法进行水下目标检测方法研究。考虑到声呐跟踪系统对实时性的要求以及水下环境的复杂性,提取声呐图像中常见的十种特征:面积、长轴长度、短轴长度、七种不变特征矩,采用基于主成分分析的特征选择方法对上述特征进行降维,选择出最优特征组合对目标进行分析聚类。通过水池试验,提取三种不同目标的十种特征的数据进行处理,验证所提方法的有效性。最后,研究多目标跟踪过程中数据关联方法。针对声视觉跟踪系统建立多目标轨迹文件系统,提出一种基于类云模型聚类的水下多目标数据关联算法提升跟踪效果。通过将该算法与传统的最近邻数据关联算法、概率数据关联算法进行分析对比,验证该算法聚类准确、收敛快速的特点。