目前针对海底远距离探测技术主要是利用声呐设备,侧扫声呐能测量细致的海底细节信息,多波束测深声呐能够测得海底的地形信息。当前多数研究只是单独对测深或者侧扫声呐数据做处理,但有些特殊目标或者地形必须将两种图像结合起来才能很好的识别出来。侧扫声呐图像由海底回波强度组成,但没有相应的高度信息,而测深数据能反映海底地形信息,但无法判断地貌信息。针对海底山包识别问题,单单依靠侧扫声呐图像有时候会与海底沉积物相混淆,因此可以引入测深数据中的高度信息加以辨别。针对海底山包误检问题,本文研究了测深侧扫声呐图像的目标融合识别方法,同时获取海底地形地貌特征,提升识别精度,论文主要完成的工作如下:首先,对测深声呐图像与侧扫声呐图像开展了预处理研究,针对声呐图像的几何畸变问题,研究了声呐图像的几何校正方法,包括侧扫声呐图像的斜距校正与速度校正方法。针对现有方法获取的测深声呐图像不能反映海底真实地形的问题,本文综合考虑水平信息与深度信息,提出了将声呐数据恢复成点云再降维的方法,通过实验验证本文方法的处理结果能够有效的反映海底真实地形。此外,为方便后续测深侧扫声呐图像的目标识别,研究了测深侧扫声呐图像的配准方法。其次,对测深声呐图像进行分割研究,针对测深声呐图像特征较少的特点,本文采用传统分割方法进行测深图像分割。通过实验对比一些传统的分割方法,最终确定了Kmeans聚类算法用来分割测深声呐图像,在各项指标上都取得了最优的表现。再次,概述了现有的针对侧扫声呐图像的语义分割研究,对核心结构做出了详细地阐述,并给出了针对侧扫声呐图像的数据集建立方法与评价指标。由于侧扫声呐图像特征较复杂,本文采用Deeplabv3+对侧扫声呐图像做语义分割,从分割结果与指标上分析了现有方法存在的不足。最后,为提高分割精度,改善不完全分割现象,本文提出了一种基于改进Deeplabv3+的侧扫声呐图像语义分割算法。从模型的多个角度进行改进,优化主干网络结构,引入新型归一化GN、激活函数LRe LU和新型上采样Dupsampling模块,大量使用深度可分离卷积逐步获取分割结果,使得分割更加精细,减少上采样信息丢失和不完全分割现象,并通过对比试验验证本文算法的有效性,m Iou指标相比于原始网络提高了2.4%,对语义分割在侧扫声呐图像上的处理与分析有着借鉴意义。最后针对测深侧扫声呐图像的信息互补性,本文提出了一种基于决策级的测深侧扫声呐分割图像融合方法,通过实验验证了本文方法能够准确识别出海底山包与沉积物,与单独声呐图像目标识别方法相比,具有更好的检测性能和鲁棒性,为海底目标探测提供了有效的解决方案。