水下声成像探测近年来应用范围越来越广泛,军事目标识别、海底地形测绘、海底石油探测、桥梁建设、码头建设等。由于水下声场环境的复杂性和声纳设备成像的非线性,所采集到的水下声纳图像具有对比度低、成像质量差、目标物与背景之间对比度低等特点,这些特点对后续的声纳图像目标检测与识别分析等工作带来了很大的难度。多分辨率分析通过基函数的伸缩、平移等运算对信号进行多尺度细化分析,能有效地从信号中提取信息,是目前国际公认的信号与信息处理领域的高新技术,是信号处理的前沿课题和研究热点。它在信号滤波、图像去噪、图像融合、图像识别等领域的应用越来越多地受到人们的重视。本论文主要研究多分辨率分析及其在图像处理中的应用,主要在基阵信号降噪以及声图像去噪、融合、识别四个方面进行了研究。首先,对水下声成像设备前端传感器声学阵列的工作原理进行了概括性叙述与分析。由于背景噪声复杂,接收到的信号往往会被噪声污染,严重影响目标检测与分类结果的有效性和可靠性,提出基于表面波变换的水下多传感器阵列信号降噪方法。对实际水声信号的降噪处理实验表明,实现了基阵信号的并行处理,得到了较为满意的降噪效果。此方法不仅利用了水下基阵信号间的相关性等统计特性,又利用了表面波变换的移不变性,使水下目标信号的检测、识别更准确。表明该降噪方法对舰船信号进行降噪处理是一种行之有效的方法。其次,对常用的多分辨率变换的概念及去噪方法进行了概括性的介绍与分析。阐述了水下目标声图像的成像机理及声图像的统计特性。针对声纳图像对比度差、不易判别边缘及细节的特点,提出了两种基于多分辨率的声纳图像去噪方法。他们分别为：基于NSCT循环抽样声纳图像去噪方法、基于Surfacelet和多向Cycle Spinning的图像去噪方法。这些方法具有多向性,平移不变性,图像信息并行处理,信息利用率高,并且通过仿真实验,验证了这些去噪方法的有效性和优越性。再次,为了将多波束声纳的数字信息与侧扫声纳的数字信息相融合,提出了基于Surfacelet的声图像融合方法。该方法利用Surfacelet变换的系数特点,有效准确地提取图像边界和细节区域,融合过程将系数分类,分别在不同频率上采用不同的融合方法,可以有效利用待融合图像中的有价值信息。低频子带采用线性平均进行融合；带通边缘分细节区,非细节区,采用不同的融合规则；高频部分参考窗口能量值融合。此方法不仅提高了融合后声纳图像中的信息量和清晰度,而且充分利用了Surfacelet变换的平移不变性,融合过程中的相应运算不会令输出结果局部失真。基于Retinex模型对声纳图像分解后进行融合处理,有效利用了声纳图像暗区信息。将提出的方法应用于MBES声图像和SSS声图像融合,效果好于基于最大值、拉普拉斯、对比度融合以及基于离散小波变换的融合方法。最后,对常用的图像特征提取技术及模式识别方法进行了概括性的介绍与分析。针对高分辨率声纳图像可以提供丰富的海底纹理信息的特点,基于多分辨率工具以纹理作为底质特征采取适当的识别算法进行声图像识别。提出了基于Retinex模型和Surfacelet变换声图像纹理图像识别方法。该方法充分利用了声图像暗区信息,仿真结果表明识别率好于其他方法。综上所述,本文研究了基于多分辨率方法在声图像处理中的应用,并针对目前该领域中存在的不足,设计相应算法进行改进。仿真实验证实,本文所应用的算法和提出的改进方案,均能够获得很好的效果。