水下目标识别技术是现代声纳系统与水声对抗的一个重要的组成部分,如何准确无误地对水下物体进行目标分类和识别、加强水下目标识别技术的研究手段和提高水中目标识别性能刻不容缓。文本研究对象即为声纳图像的目标识别技术。本文首先介绍了水下目标识别研究的背景意义,基本原理及主要难点,并对整个目标识别系统的结构流程进行简要介绍。对预处理,特征提取和目标识别等环节进行详细研究。预处理部分：为了稳定地进行特征提取等操作,必须对给定的图像进行预处理来改善图形的质量,由于本文所需处理的图像是声纳图像,采用纹理特征提取方法,所以相应的预处理主要研究声纳图像的去噪环节。在对几种常见去噪方法进行简单的阐述和仿真实验之后介绍了基于小波变换的图像去噪技术,并应用了小波平均阈值去噪仿真实验,实验结果证实,该方法是种有效的小波系数估计方法,符合现实去噪要求。特征提取部分：设计分类器之前,能够有效的提取反映对象事物信息的特征是目标图像识别的关键,本文分别应用了空间灰度层共生矩阵法、灰度-梯度共生矩阵法,统计法和傅里叶功率谱法来提取目标图像的特征矢量。目标识别部分：本文采用了BP人工神经网络对用空间灰度层共生矩阵法、灰度-梯度共生矩阵法和统计法提取的特征进行识别的仿真实验,分类识别率80%以上。