随着陆地自然资源不断减少,导致人们对海洋资源探索与开发的速度加快。海洋环境恶劣,可见光在海水中传播范围有限,所以常用的海洋探测手段主要还是利用声呐。我们通常是将声呐数据转化为声呐图像,将其用瀑布显示的方式展现或者将声呐图像进行匹配拼接成一个大的海底地图进行分析。由于声呐数据采集模型、海洋环境恶劣、声呐信号能量衰减、水下潜航器或者拖鱼的姿态和速度变化等因素导致侧扫声呐图像存在几何畸变、灰度畸变和噪声干扰,而且由于声呐在不同方向上对同一区域海底进行扫描得到的声呐图像存在较大差异,这都给侧扫声呐图像匹配拼接带来了较大困难。为了解决以上问题,本文对实际声呐数据进行分析研究,提出了一套完整的解决方案,包括侧扫声呐图像滤波、斜距校正、速度校正、灰度校正等预处理,并对不同情况下的侧扫声呐图像研究对应的匹配算法。本文研究的侧扫声呐图像匹配方法不仅可以用于侧扫声呐图像拼接还可以用于对潜航器进行定位。主要研究工作如下:海洋环境复杂存在大量噪声,导致声呐采集的数据转化成的原始侧扫声呐图像也存在着大量的噪声干扰;由于侧扫声呐是通过回波模型斜距成像而且声呐载体的速度的不稳定都会导致原始侧扫声呐图像发生几何畸变;本文将对侧扫声呐图像进行滤波处理,并且将海底地形考虑到侧扫声呐图像斜距校正中,通过分析载体速度变化情况,提出侧扫声呐图像速度校正方法,完成对侧扫声呐图像的几何校正。声呐信号在传播过程中会产生能量衰减、声波散射等情况,这导致原始侧扫声呐图像存在灰度畸变,本文对目前的灰度校正方法进行研究,并提出了基于Retinex理论的侧扫声呐图像灰度校正方法,实验结果表明本文提出方法的图像校正效果更好,速度更快。预处理之后的侧扫声呐图像才能正常显示海底景象,进而才能对其进行之后的图像匹配和拼接。为了能对侧扫声呐图像进行匹配拼接,本文通过对Sift、Surf、Orb等目前常用的匹配方法和新提出来的GMS方法进行研究,将其应用到侧扫声呐图像匹配中,本文发现这些主流的匹配方法只适合于部分特征明显、噪声干扰小、相同区域的海底景象形变小的侧扫声呐图像;而大多数侧扫声呐图像则是含有大量噪声、特征不明显、相同区域的海底地形特征形变较大的情况,对于这种情况的侧扫声呐图像,本文提出了一种利用语义分割网络和模板匹配方法相结合的侧扫声呐图像匹配方法,即首先利用深度学习中的语义分割网络对侧扫声呐图像进行分割,利用模板匹配对侧扫声呐分割图像进行图像匹配从而获得两张侧扫声呐图像的相对位置信息,最后利用泊松融合的方法对两张侧扫声呐图像进行融合拼接,实验验证本文方法的有效性和适用性。