合成孔径声纳是一种高分辨率水下成像探测声纳，由于其理论方位向分辨率与声信号频率无关，低频、中频和高频三个频段均可得到较高成像分辨率。低频合成孔径声纳具有良好的穿透性，在对掩埋目标探测方向，被认为是最有前景的探测手段。高频合成孔径声纳可以利用高频宽带回波信号获得高精度的声纳基阵载体运动误差，从而提高成像质量。对于沉底目标，高频合成孔径声纳成像结果中的阴影特征明显，有利于沉底目标的检测和识别。高频合成孔径声纳广泛应用于水下工程（护岸工程、水下管线）的探查、沉物打捞、水下考古等方面。中频合成孔径声纳兼顾有低频和高频合成孔径声纳的特点，也被广泛地应用于水下成像领域。　　随着合成孔径声纳成像技术的发展和成熟，对成像结果进行分析和处理开始变得日益迫切。本文基于“国家863计划”重点课题“合成孔径声纳系统研究”，对合成孔径声纳图像进行图像分析，包括图像预处理（即相干斑抑制）、图像分割和目标识别三个部分。本文针对以上几个方面展开深入研究，主要研究内容包括以下三个部分:　　1.提出一种基于多分辨分析的合成孔径声纳图像相干斑抑制算法。相干斑噪声的存在使合成孔径声纳图像不能正确反映目标的反射特性，严重影响了图像的质量，降低了对合成孔径声纳图像的分析和理解性能。本文研究小波变换的多分辨特性，利用小波变换多分辨特性进行图像噪声消除。由于合成孔径声纳图像相干斑具有乘性噪声的性质，这就需要对原始合成孔径声纳图像进行对数变换，把乘性噪声转换成加性噪声。然后对加性噪声进行小波多分辨分析和阈值处理，剔除小于阈值的小波系数后进行逆小波变换和指数变换，从而获得抑制相干斑噪声后的新的合成孔径声纳图像。　　2.提出一种基于图像统计特征和纹理特征的合成孔径声纳图像分割算法。合成孔径声纳图像含有丰富的统计信息和纹理信息，通过分析合成孔径声纳图像的统计特征和纹理特征，可以用于合成孔径声纳图像分割。支持向量机(SVM)方法是基于统计学习理论的一种新的机器学习方法，其通过有限训练样本得到小误差分类器，对测试样本的测试误差较小，是一种具有最优泛化性能的学习机器。本文通过提取灰度直方图的均值、标准差、峰度等统计特性和灰度共生矩阵的能量、相关性、对比度、熵值等纹理特性，作为SVM训练特征，得到SVM分类器。进而通过SVM分类器对合成孔径声纳图像进行分割，从而实现对合成孔径声纳图像不同性质区域的分割。　　3.提出一种基于图像纹理特征的合成孔径声纳图像目标识别算法。随着声纳成像技术的发展，声纳图像的检测和识别逐渐成为数字图像处理领域的一个重要研究课题。合成孔径声纳图像含有丰富的纹理特征，而灰度共生矩阵具有丰富的特征参数，可以从不同的角度对纹理进行细致刻画。采用灰度共生矩阵可以描述合成孔径声纳图像纹理方面的特征，通过计算灰度共生矩阵在方位向和距离向的能量、相关性、对比度和熵值，并构造特征向量，可以对合成孔径声纳图像中的目标进行准确检测。　　文中所有研究均通过与之对应的仿真数据或湖试数据进行了分析和验证。