本课题来源于国家科技支撑计划课题“海上遇险目标快速接近技术”,主要研究基于声纳图像的水下目标识别技术与光学图像的增强技术。针对拍摄的高分辨率声纳图像的特点,本课题采用基于水平集和支撑向量机的图像识别方法；针对获取的水下光学图像的特点,本课题采用基于暗原色和Retinex的算法对水下光学图像进行增强处理。由于不同成像声纳系统在分辨率等参数上存在差异等原因,声纳图像的目标识别至今还没有形成一个比较统一并且被大家公认的识别算法。本课题将水平集、不变矩、SVM(支撑向量机)等图像处理方法组合在一起,并将该算法应用在高分辨率图像声纳所获取图像的目标识别实验中。水平集、不变矩和支撑向量机虽然是光学图像处理中已被使用且效果较好的方法,但是在声学图像的识别中还未被综合使用。水平集法与其他轮廓提取方法相比在拐点处更符合图像的实际轮廓；不变矩具有位移、尺度、旋转不变性的特点；支撑向量机在小样本、非线性模式识别中与神经网络等其他方法相比具有独特的优势。本课题算法综合了以上方法的优势,在对BlueView系列P450E型高分辨率前视声纳中获取的图像的船体识别实验中取得了较好的效果。水体对光具有很强的散射效应、吸收效应等,这使得水下图像细节模糊、亮度不均匀,图像质量极不理想,并且图像信噪比很低,图像的对比度明显变差。暗原色先验规律是由何明恺先生对户外无雾图像数据进行统计后得出的规律,Retinex算法是基于色彩恒常性的图像处理算法。本课题将暗原色的增强算法与Retinex算法综合使用,并使用该算法对实际拍摄的水下图像进行了增强处理,实验结果表明该算法取得较好的效果。