在这科学技术不断发展的时代,人们的生活范围不断的扩大,从陆地上不断的向海中开拓和发展。然而水下的环境相对比较复杂,因此有效的进行目标检测成为一项重要的研究内容。在以往的技术中对目标检测主要依靠人们的经验,得到的结果具有主观性,同时这对人们的专业知识的要求也比较高。对此,需要研究的主要内容是如何对目标进行自动的检测。基于这样的背景,本文进行了研究分析。在本文中主要分两部分进行介绍,第一部分是对线谱的提取,第二部分是对提取到的线谱进行检测。线谱的属性能很好的代表目标的类型,因此,在线谱的提取中主要目的是提取到线谱更加完整。在本文中对线谱提取的方法进行改进,生成LOFAR图时加入对数函数,可以将强弱线谱在有限的动态范围内显示出来。线谱提取时,使用了积分函数来对阈值进行量化。减少人为干预。提取到线谱之后,如何进行检测也是非常重要的一个步骤,在本文的研究中,使用的是卷积神经网络来进行检测的,传统的卷积网络存在着一些不足之处,训练是需要大量的时间和参数,对硬件的依赖性比较大。针对这种情形,提出了一种基于CNN的快速和压缩的方法的网络模型,在这个模型中,使用的是低阶扩张的方式将卷积核进行分解。将一层网络分解成Conv_de1和Conv_de2的形式,通过减少Conv_de1的数量来减少计算成本。同时引入了一种自适用的弃权重的方法将冗余的权重参数丢弃掉。这样可以减少参数的数量。在卷积神经网络模型中,对于全连接层来说,参数使非常多的,同时这是也参数容量的主要来源。同样使用自适应的弃权重的算法将小于某个阈值的权重丢弃掉,这样参数数量会有明显的减少。通过本文的研究,实现了对线谱的有效提取。在模型训练的过程中也减少了计算的成本,在检测的准确率上相对也取得了一个不错的结果。因此,在本文中的研究对水下的复杂环境进行目标检测具有重要的意义。