海底底质声呐图像作为反映海底地形地貌的重要信息源之一,在深海探测领域具有重大的指导意义和研究价值。当下,图像识别技术愈加被重视,从图像中提取目标区域的特征进行目标分割、特征增强,或结合有效分类器进行特征分类、目标识别等技术手段被应用于实际生活与生产的方方面面。获取图像信息,建立对图像多维的客观描述,具有深远的意义和价值。本文在对侧扫声呐底质图像成像原理及图像特点进行全面理解的基础上,考虑海底环境、噪声特性及特征类型等方面因素,按照去噪增强、特征提取、识别分类的程序,形成了一个基于侧扫声呐图像的海底底质数据处理与分析的完整体系,揭示多类型海底质数据的特性差异及分类准则,为海底底质信息的精准识别、正确分类提供理论方法和技术支持。首先,阐述了海底底质声呐图像特征提取及分类的目的和研究意义,分析了国内外对声呐底质图像特征提取及分类算法的研究现状和进展,并从图像的校正增强、去噪复原和特征提取方面进行原理分析及方法介绍,结合侧扫声呐图像特点给出了具有针对性的处理手段。其次,对底质侧扫图像进行包含去噪和增强的预处理,基于底质图像斑点噪声严重的特点,分别选择排序自适应中值滤波、高斯滤波和小波变换分别从空域和频域对样本图像进行噪声平滑处理。同时,考虑声呐图像分辨率低、对比度差对特征识别造成的影响,分别选用直方图均衡化和线性分段增强法对去噪图像进行灰度调整和局部特征增强,获得视觉效果得到优化、特征呈现更加清晰的预处理图像。再次,根据海底底质声呐图像边缘、纹理和统计信息的特征形式,及以往研究对特征类型提取单一的现状,引入能较好描述图像灰度分布的灰度共生矩阵、描述灰度不规则性和均匀程度的点覆盖分形维模型和反映能量分布的小波分层能量提取模型对图像进行多特征参数提取,构造了多层次、多维度、多含义的多特征向量对图像进行刻画,更准确地提取出了图像中包含的信息。最后,本文选取支持向量机(SVM)和自适应提升算法(AdaBoost)两种分类算法对海底底质进行分类研究,先对两种分类算法的原理和学习策略进行了详细的阐述,然后按照分类算法流程构造分类模型,并将提取得到的多特征向量输入分类器,对比两种分类策略的分类效果。实验结果显示SVM对海底底质分类能获得更高的准确度。