当今海洋资源利用开发活动日益增多,声纳图像具有高辨识能力,其对探索海洋世界具有重要意义。而图像分割是由图像处理进入到图像分析的关键步骤,是后期目标识别的重要前提。为此本文主要研究了一种新颖的灰度图像分割方法---基于超像素与低秩表示方法的声纳图像分割。本文主要进行了以下四个方面的研究:第一、对声纳图像进行超像素级的图像分割研究,通过研究在众多超像素分割算法中选取了两种适合于灰度图像的分割算法。结合水声图像的特点比较选择出了turbopixels方法。第二、进行特征比较分析研究。在灰度共生矩阵和梯度-灰度共生矩阵两种特征的多种特征量中分别进行差异度比较,选出具有明显区分性的特征量并对每个超像素进行特征提取,进而生成特征矩阵。第三、结合特征矩阵进行低秩最小化数学模型研究,其中低秩表示可鲁棒噪声、提高相似性度量。再通过不精确增广拉格朗日乘数法(EALM)对条件极值式进行求解,可得到最优相似矩阵。最后,应用N-CUT聚类方法对最优相识矩阵进行聚类可生成形如地图的分割图形。最后两个方面实际应用了子空间分割思想。而生成的分割图像实际为对最初生成的超像素的聚类结果,由于所选择的超像素分割方法具有边缘划分清晰、准确等特点使得分割结果与原图吻合度良好。