本课题针对“三峡地区地质灾害与生态环境水电工程智能视觉检测”项目中的一项关键技术——水下声纳图像目标检测技术展开研究。由于水下声场环境的复杂性和声纳设备成像的非线性，所采集的水下声纳图像具有成像质量差、对比度低、含噪声严重等特点，本课题在分析声纳图像成像原理以及声纳图像灰度分布特点的基础上，重点研究了在多分辨率理论下对声纳图像进行预处理以及目标检测技术，并针对两方面的研究内容提出了相应的解决方案。　　采用小波域（主要是基于HMT模型）的去噪方法对声纳图像进去噪处理，在此基础上提出了基于复Contourlet域的去噪算法，该算法基于改进的尺度内相关性和尺度间相关性，并充分利用了双树复小波变换多分辨率与近似平移不变性、Contourlet变换多方向性的特点对声纳图像进行去噪，通过对比实验，验证所提出算法的有效性和可行性。　　水下声纳图像目标检测是声纳图像处理中的一个经典难题，采用传统的检测方法对提高声纳图像的检测质量十分困难，因而研究高质量的水下声纳图像目标检测算法十分必要。本课题在查阅现有目标检测算法相关文献基础上，重点研究基于 Markov随机场的声纳图像目标检测技术，在单一尺度Markov随机场进行声纳图像二类分割的基础上，针对其不足提出了小波域多分辨率Markov随机场的声纳图像分割方法和基于模糊树结构化无监督分层Markov随机场的声纳图像分割方法，通过比较实验，验证了所提出算法的可行性和有效性。　　具体地，本课题的研究内容体现于以下几个方面：　　（1）综述了水下声纳图像目标识别的研究背景、目的和意义、声纳图像预处理的研究现状，较系统的阐述了图像分割技术在声纳图像水下目标检测中的应用，引出该课题的选题意义和应用价值。　　（2）针对声纳成像的基本原理和声纳图像背景区灰度分布统计特性，描述了几种常用的声纳图像背景区灰度模型和参数估计、以及灰度特性拟合评价标准。　　（3）针对声纳图像对比度低、含噪严重的特点，在研究已有文献中小波域HMT模型声纳图像去噪的基础上，提出了基于Contourlet域和复Contourlet域HMT模型的声纳图像去噪算法，从视觉效果和定量分析两个方面通过实验比较，得出了本文所提出的基于复Contourlet域HMT模型的声纳图像去噪算法可获得更高质量的图像。　　（4）在研究基于单尺度 Markov随机场（MRF）模型的声纳图像分割方法的基础上，提出了两种改进的声纳图像分割算法：基于模糊树结构化MRF模型的声纳图像分割算法和基于小波域多分辨率MRF模型的声纳图像分割算法。通过实验比较分析，验证了所提出的算法较传统的分割算法具有较高的分割精度和鲁棒性。　　（5）文章最后对所做的工作和完成的任务进行了总结，并对未来的工作进行了展望。