水下无人航行器(Unmanned underwater vehicle,UUV)是一类自带能源,自主导航和自主作业的水下机器人,因其活动范围广、隐蔽性好、智能程度高、受环境影响小等优点得到了迅速的发展和广泛的应用。UUV通过搭载水下电视、侧扫声纳、海流剖面仪和水听器等不同的仪器设备可执行侦查、探测及数据采集等多种水下任务,其中侧扫声纳作为目前主要的水下传感器之一,它具有水下分辨率高,工作有效距离远等优点,已广泛应用在海洋测绘、海洋地质调查、海洋工程勘察、寻找水下目标等方面。UUV搭载侧扫声纳进行海底扫测已经成为获取海底地貌信息及搜寻水下目标最便捷最有效的方式之一。UUV与水面舰船等载体搭载侧扫声纳执行水下任务相比较,优势有:UUV搭载侧扫声纳在水下执行扫测,受气候风浪等影响小,扫测效果更好;可自主进行扫测,减少了人员的投入;进行水下隐秘扫测,可用于军事任务。但UUV搭载侧扫声纳在水下目标搜寻方面仍然存在不足:当侧扫声纳扫测完毕后,UUV需要上浮人工导出数据,处理数据,判断是否存在搜寻的目标,如果存在需再次潜入海底进行水下拍摄确认目标。该不足是技术改进的重点,并且当扫测区水深较深时,UUV的下潜及上浮将耗费大量的时间及能源。为提高目标搜寻的自主能力,本课题提出了基于UUV搭载侧扫声纳扫测的海底典型目标特征自动提取的过程及相关方法。通过对相关文献的阅读及研究,本文的主要工作如下:(1)通过对侧扫声纳的扫测方式及扫测形成的文件中数据格式和包含内容的研究,结合侧扫声纳记录解释、EdgeTech公司JSF文件格式说明书及相关文献,进行侧扫声纳有效信息的提取,包括UUV姿态信息、经纬度信息、权重因子及相应的采样数据,同时将采样的原始数据进行声强信息转换。通过建立模型,将声强信息进行灰度转换。(2)对UUV扫测数据成像过程进行设计,同时为了减少或消除海底噪声对UUV扫测图像的影响,对均值滤波、中值滤波、维纳滤波及高斯滤波等常用的滤波方法进行研究分析,并根据UUV扫测图像特点及海底噪声干扰方式,将双边滤波法应用到扫测图像滤波去噪中。(3)对聚类算法中的K-均值聚类及FCM(fuzzy C-means,FCM)聚类进行说明,并建立马尔科夫随机场(Markov Random Field,MRF)模型。利用K-均值聚类算法对马尔科夫随机场模型进行初始化。为了满足分割的快速性,结合马尔科夫随机场模型,利用ICM(Iterative Condition Model,也叫迭代条件模式)算法对扫测图像进行分割。(4)在图像分割的基础上对UUV扫测图像中水下飞机目标特征进行提取。根据分割后的扫测声纳图像,选取角点特征及线特征作为水下飞机典型特征进行特征提取。通过对经典的点特征、线特征及面特征方法的研究,改进线性特征提取方法-模板均值法,并利用改进方法与Harris角点检测算子相结合提取水下飞机目标特征。根据特征提取中存储的图像位置数据,结合JSF文件解析出的艏向信息、经纬度信息等,通过坐标系间模型的建立,进行点位推算具体过程研究,记录获取的目标经纬度信息。