运动物体的跟踪是计算机视觉领域中一个热点研究问题,在视觉监控、人机互动、机器人导航等领域有着广泛的应用。前视声纳作为水下机器人的“眼睛”,对于水下机器人的探测和避障具有举足轻重的意义。粒子滤波算法作为概率跟踪方法的典型代表,对于系统模型没有特殊要求,而且能够保持状态的多模态分布,在跟踪领域得到了很大的发展。采用粒子滤波算法对于前视声纳图像进行目标跟踪和多目标跟踪逐渐引起国内外研究人员的关注。本论文介绍了探测技术在水下机器人上的应用情况；阐述了水下目标跟踪技术在国内外的发展现状；列举了本论文所使用的实验设备和实验环境；基于直方图讨论了前视声纳图像和光学图像的特性以及两者之间的区别,并对直方图进行修正以满足分割算法的要求；针对前视声纳图像的阈值分割问题,本文分析了5种基于像素点的全局阈值选取方法,包括传统的Otsu分割算法,GW分割算法,KI-J分割算法,PB-J分割算法,瑞利分割算法；并根据最终测量精度,定量地对各个算法的分割质量进行评价,选择了最优的阈值分割算法用于后续图像的阈值分割；着重介绍了粒子滤波算法在本论文中的实现步骤；针对粒子滤波中的权值问题提出了结合目标区域的不变矩特征和面积特征重新分配粒子的权值；通过两组目标跟踪实验验证了粒子滤波算法的鲁棒性。