随着国际海洋开发力度的加大，无人智能潜器越来越多的用于海洋勘探。作为无人智能潜器的重要传感器之一的前视声纳，对于避障、导航、路径规划、环境探测等都有着突出的意义。然而声学图像的低分辨率导致很多一般性的图像处理和目标跟踪技术不能有效的达到目的，因此针对该问题进行深入的学习和研究。深入研究前视声纳的成像特点、图像处理技术在声纳图像分割中的应用并分析对比了各自的特点。研究结合信息论中熵的概念和阈值分割理论构建一维最大熵、二维最大熵阈值法，接着结合模糊理论建立了二维模糊熵阈值分割算法，并在声纳图像分割实验中针对该算法提出了两种改进。针对声纳图像中运动目标的分割检测问题，把传统的帧间差分法与熵阈值法结合起来，建立时空直方图，分别提出了二维时空熵阈值算法、二维时空模糊熵阈值算法，利用两种算法对前视声纳图像序列进行运动目标分割检测。并对比着研究分析了由二维模糊熵阈值法提出的改进算法、区域生长法、二维时空模糊熵法这三种算法，结果表明最后一种算法不仅能够分割检测出完整的运动目标，同时还能有效地抑制背景噪声。结合图像分析技术和前视声纳的成像特性，研究分析水下目标图像序列的目标区域特征的表示方法，以及各特征对应的反映目标物体的哪些物理特征，并计算其中连续三帧图像的各个特征值。分析不同样本图像中，典型目标各特征随目标运动的变化规律，比较不同特征间的变化差异。深入研究GRNN，建立起网络结构，比较分析不同特征组合对运动过程中目标区域的描述分类结果，选取出最优特征组合。深入研究卡尔曼滤波及其扩展算法，进而针对其缺点对适用于如水下运动目标等强非线性估计问题的贝叶斯估计和粒子滤波理论进行研究分析。建立水下运动目标的运动模型，根据选取的特征集以及信息融合策略实现单目标运动的跟踪，给出一部分有代表性的跟踪图，并画出目标的实际运动轨迹和滤波结果的对比，并分析比较粒子滤波中几个参数对滤波结果的影响。最后与EKF滤波跟踪结果进行了对比，显示出PF对于非线性系统估计问题的优越性。