随着人们对海洋的不断开发，声纳技术在其中扮演着越来越重要的角色。而且水下声纳图像资料在人类获得的水下信息资料中占有很大的比例。如何从这些图像资料中把所需要的信息提取出来是一个有意义的课题，完成该课题必然离不开对图像识别技术的研究，而在该技术的实现过程中，水声图像的分割是最为关键的一步。为此，论文对水下声纳图像分割技术进行了深入的研究。首先，论文介绍了图像分割技术的背景、意义，并对国内外研究现状进行了分析。阐述了图像处理的基本理论知识以及图像分割算法的三大分类具体包括基于区域的、基于边缘检测的和基于特定理论的分割算法。其次，论文简要介绍了图像分割的概念，研究了一些经典的阈值分割算法并归纳了它们的优缺点。重点研究了最大类间方差法(Otsu)，并结合水声图像的特点，研究了两种改进的最大类间方差法，分别适合提取水声图像的目标、阴影部分。然后，论文研究了智能优化算法中的遗传算法，针对标准遗传算法在水声图像分割中的不足，研究了遗传算法的改进算法即双种群的遗传算法。实验证明，改进算法克服了标准遗传算法易早熟、不稳定的缺点。最后，将改进的双种群遗传算法和最大类间方差法的改进算法结合应用于水声图像的分割。实验证明，此方法比传统的二维Otsu法分割效果好，能更好的保留目标物体的轮廓、稳定并降低了时间复杂度。