近年来,世界各国纷纷加强了对海洋的研究和探索,声呐技术日益受到重视,我国对声呐目标检测的研究起步相对较晚,但也是奋起直追。而与日新月异的声呐设备相比,声呐目标检测和识别的相关技术还不能与之相匹配。杭州应用声学研究所研制了基于线阵合成孔径的三维成像声呐设备,数据量急剧增加,由二维拓展到三维,如果仅仅依靠人工进行检测,不仅效率低下,而且不利于对数据进行存储和维护。因此,研究基于三维成像的声呐图像目标自动检测的相关算法,并开发声呐目标自动检测系统就显得尤为重要。本文针对基于三维成像的声呐图像进行了算法研究,包括预处理、图像分割,目标识别这三个方面,最后设计和实现了声呐目标自动检测系统,研究内容和成果如下:(1)提出了一种适用于三维成像声呐图像的预处理方法。本文首先对声呐图像进行去噪处理,通过对不同的去噪方法进行对比,得出了中值滤波去噪能够取得更好的去噪效果,然后对去噪后的声呐图像进行白化处理,可以使图像的背景更加均衡,一定程度上抑制了海底混响的干扰。(2)提出了一种水体和地层分离的声呐图像分割方法。本文对声呐图像分割主要包括两个方面,一是对声呐图像进行水体和地层分离,将差异较大的两部分分割开来;二是针对水体图像和地层图像,分别研究了图像分割的算法。本文水体部分采用了 OTSU算法,地层部分采用了二维最大熵算法,为有效的特征提取奠定基础。(3)提出了一种以目标像素面积、长宽比和信噪比为特征参数的多维贝叶斯分类模型。本文通过提取目标的关键特征,构建了多维贝叶斯分类模型,并且与基于人工神经网络的目标识别和基于支持向量机的目标识别进行实验对比,得出多维贝叶斯分类模型可以较好地实现目标形态的分类。(4)设计和实现了声呐目标自动检测系统。通过本文的研究分析,整合了一套基于三维成像声呐图像数据的算法,严格按照软件工程的相关规范,设计和实现了声呐目标自动检测系统,通过实际验证,具有界面简洁、操作简单的特点,在声呐目标检测和识别上具有高检测率、低虚警率的优势。