随着“长江大保护”政策的实施,以长江流域江河湖泊为代表的我国内陆水域的生物资源存储量和生态系统稳定性逐渐受到社会各界的广泛关注。鱼类资源具有衡量水域内生态环境是否稳定健康的重要功能,在不损害其生活状态及周围环境的前提下,高效、准确的得到鱼类资源数量、生长状况、空间分布等信息,是一项非常重要的研究课题。鱼类资源的声学调查凭借其对生物无损害、对环境无破坏、调查范围广、效率高、消耗人力物力少等诸多优势,在当前海洋和内陆水域中均得到了非常广泛的应用。声学调查离不开声呐仪器的支持,双频识别声呐DIDSON作为一款高清晰度的多波束成像声呐,可用于内陆水域的鱼类资源调查监测。本文基于此背景,围绕成像声呐DIDSON用于鱼类资源调查评估时所涉及关键技术展开研究,主要集中在声学图像处理方法、基于声学数据后处理系统Echoview的声呐数据处理模型的构建以及模型在青草沙水库鱼类资源声学调查中的应用三个方面。首先,介绍了声呐图像的数据存储格式,并通过坐标转换、插值等方式完成了声呐图像的构建。将多种常用的图像增强、去噪方法用于声呐图像,并通过仿真实验对比了各方法在声呐图像中的处理效果。提出了一种基于形态学运算与图形阈值化的目标提取方法和基于KNN算法的运动目标提取方法,前者对单幅声呐图像中目标识别效果较好,后者针对声呐视频中运动目标进行提取。最后使用了经典的卡尔曼滤波算法进行了鱼类跟踪计数。其次,单独的鱼类计数无法满足实际资源评估的需要,在常用的声学数据后处理系统Echoview中建立了针对成像声呐的半自动化数据处理模型,该模型直接针对声呐回声信号进行处理,主要包含数据预处理、鱼类目标识别和信息提取、图像拼接与目标追踪计数三个板块。在模型中噪声去除、轨迹追踪、信息导出等部分需要一定的人工干预校正,从而提取出探测水深、航线长度、鱼类数量、个体大小、空间位置、回声强度等进行资源评估需要的相关信息。并通过试验进行了模型计数的验证,结果显示与人工计数相比较,该方法偏差在10%以内,具有较高的准确度。最后,基于上述模型,使用成像声呐结合网捕方法对位于长江口处的青草沙水库进行了不同季度的鱼类资源调查评估。青草沙水库一直以放捕鱼类这种非经典生物操纵技术来维持水质,了解水库中鱼类资源变动具有非常重要的意义。评估结果显示,水库中鱼类主要以鲫鱼、长春鳊、白鲢、花鲢为主,2019年水库平均鱼类数量约290万条,资源总量约2400吨,考虑到水库捕捞、仪器误差等因素,全年鱼类资源量变动较小,在空间分布方面,鱼类主要集中分布在水库中间水层（5-15 m）和湖心岛西侧水域,且这种分布受到明显的季节影响。该章节展示了较为完整的成像声呐资源评估流程,并对评估影响因素进行了讨论,可为后续长江流域内河流湖泊的鱼类资源声学调查提供参考。