如今海洋领域的开发对一个国家乃至全世界越来越重要,而声呐技术是其开发的主要技术。对于获得的声呐图像一般需要依次进行声呐图像滤波处理、声呐图像分割处理以及进行最后的声呐图像特征提取及目标识别处理。在这些步骤中声呐图像分割处理的结果对声呐图像识别的最终结果至关重要。而只有做好对声呐图像的滤波,才能更好的进行声呐图像分割。至于本文应用偏微分方程(partial differential equations,简称PDE方程)方法是因为其在图像处理领域能使复杂多变的图像处理问题变成比较直观数学问题,针对复杂多变的声呐图像处理比较适合。各向异性扩散模型(由Perona和Malik提出,简称PM模型)的滤波在兼顾噪声去除和边缘细节保持方面更具优势,这就使得PM模型滤波成为图像滤波领域的研究热点。但PM模型滤波在噪声去除和边缘保持方面仍有待提高。本文结合扩散函数的滤波性能与图像局部信息参数,构建了根据图像局部信息参数自适应选取扩散函数的方式,提出了改进的针对声呐图像滤波的各向异性扩散模型。该模型不但能在一定程度上解决经典的PM模型滤波存在大量孤立噪声点的现象,而且能兼顾声呐图像边缘保持和声呐图像的噪声去除。图像分割往往是将图像用不同的灰度表示相互不重叠的区域。局部二元拟合能量模型(local binary fitting model,简称LBF模型)能依赖于图像的局部细节实现对灰度非均匀图像的精准分割。然而LBF模型的局部特性使得对初始零水平集曲线的位置较为敏感。针对LBF模型中存在的这一缺陷,本文提出一种全局和局部叠加的拟合能量活动轮廓模型。它是由一个局部拟合能量项、一个全局拟合能量项和各区域的拟合值与均值的方差项组成。因此该模型不但对初始零水平集曲线的位置不敏感,而且也能对灰度相近的边界进行分割。