水下目标探测是海洋测绘中的一项重要工作,侧扫声呐测量和成像是发现水下目标的有效手段,其图像分割是目标识别的基础。受复杂海洋环境及成像机理影响,侧扫声呐图像中的噪声污染和成像畸变等问题突出,严重制约了图像分割的精度和效率。为此,论文开展了基于侧扫声呐图像特点的目标图像分割方法研究,提出了一种联合组合特征与Chan-Vese的侧扫声呐图像分割方法,提高了高噪声图像目标分割的效率和精度。论文的主要研究工作及贡献如下:（1）简述了侧扫声呐系统组成和成像机理,分析了侧扫声呐图像特点及其对分割的影响,给出有利于图像分割的潜在特征。（2）介绍了NSCT（Non-subsampled Contourlet Transform）、多重分形、Chan-Vese模型等分割理论,研究了侧扫声呐图像目标特征,提出了可分别用于增强亮区和阴影边缘的组合特征σμ和σ/μ。（3）针对现有分割算法对噪声污染严重的侧扫声呐图像分割准确率低的不足,提出了一种联合NSCT、组合特征和多重分形分析的高噪声侧扫声呐图像综合分割方法,提高了目标分割的抗噪性和精度,将传统分割方法（Canny算子、Otsu2、最大熵、MRF、FCM）的分割准确率从0.61、0.76、0.78、0.88、0.84提高到0.90,但该方法的耗时较长。（4）为进一步提高高噪声侧扫声呐图像的分割准确率和效率,提出了一种联合NSCT、组合特征、边缘增强图像分割阈值自动计算和Chan-Vese的高噪声侧扫声呐图像分割方法,试验中分割准确率达到了0.94,分割耗时是（3）中方法的1/8。论文研究并解决了受高噪声污染的侧扫声呐目标图像分割难题,为后续基于侧扫声呐图像开展目标识别等应用研究奠定了基础。