为了对抗调幅探测技术,人们发明了隐身技术。随着一些新材料的出现以及隐身技术的不断改进和完善,传统的调幅探测技术即将在某些应用领域退出历史舞台。而受激布里渊散射探测技术作为一种非接触式的调频探测技术,不仅具有极好的反隐身特性和抗干扰能力,并且还具有对探测样品无损害等优点。据有关学者估计:该种探测技术在不久的将来必定会得到迅速的发展和广泛的应用,特别是它的反隐蔽性对军事领域方面的应用具有极其重要的意义。受激布里渊散射水下目标探测的基本原理是:由于水中的布里渊散射只能在水中发生,所以当水中某处有物体存在时,该处就没有水,而当激光扫描到该位置时,却没有布里渊散射发生,由此可以通过判断布里渊散射信号的有无来判断水下是否有物体存在。由于受激布里渊散射探测技术目前还处于理论研究和实验探索阶段,所以有关布里渊散射水下探测目标的自动识别也处于起步阶段。对于水下探测目标的自动识别,在国内外一直被认为是一个突出的难题,世界各国都在致力于它的研究。以往的受激布里渊散射水下探测目标的识别都是在显示屏上进行人工判读的。这种人工判读的识别方法对实时探测是极为不利的。为了改变这种人工判读识别的现状,真正实现受激布里渊散射探测系统对水下目标的实时探测和自动识别,本文对受激布里渊散射水下探测目标的自动识别进行了如下一些尝试。本文从图像处理、特征提取、判决识别三个方面着手解决水下目标的自动识别问题。关于对受激布里渊散射水下探测目标的识别,本文提出了两种识别方案。第一种方案是直接对探测信号通过F-P标准具形成的干涉图像提取其特征,再选用较简单的两个模式类的感知器根据图像特征来判别是单环图像还是双环图像,最后通过编写VC软件来实现该种识别算法。第二种识别方案是在电子计算机上建立神经网络,用实验室中得到的干涉图像作为训练样本,对BP神经网络模型进行训练,然后应用此网络模型对测试样本图像进行识别,以检测该神经网络的识别效果。本文完成上述了上述两种识别方案的各项工作,并对其在计算机上都进行了仿真实验并取得较好的效果。本文最后从识别准确率和识别速度两个方面对这两种识别方案进行分析和比较,得出基于神经网络的水下探测目标的自动识别这种识别方案的识别率较高,这对实时监测非常有利,在实际应用中更具有可行性。