随着声呐技术的不断发展以及日益增长的海洋资源开发需求,利用侧扫声呐对海底进行探测已成为当下的热点问题。在对海底进行探测和成像的过程中,除了能够探测的目标之外,侧扫声呐还受到海底混响、海洋环境噪声以及一些自噪声的干扰,其中混响的影响尤为明显。混响导致侧扫声呐图像上存在随机分布的斑点,称为斑点噪声,为侧扫声呐图像后续的检测识别等处理带来许多问题。由于侧扫声呐的成像原理和海底复杂的环境,使得侧扫声呐图像表现出与普通光学图像不同的结构特性和噪声统计分布,因此针对侧扫声呐图像特点的去噪算法研究具有重大的意义。本文对侧扫声呐图像噪声统计分析与去噪方法展开了研究,主要包括下面三个方面:首先,对侧扫声呐的成像原理和图像特点进行了分析,考虑侧扫声呐的混响统计模型,利用5种典型的概率分布对海底混响的统计特性进行拟合得到了伽马分布为最优的拟合分布。然后,根据灰度直方图相关提出了基于2个特征参数对最优分布参数的估计。经过多元回归模型完成了不同底质类型噪声模型的建立并实现了底质分类。在上述实验结果的基础上根据模型参数与图像特征所得到的模型对不同底质类型混响所导致的噪声进行有效地模拟,并选取合适的方法进行噪声评价验证噪声模拟结果。最后,将专家场模型应用在侧扫声呐图像去噪中,提出了基于伽马分布的专家场去噪算法,称为GammaFoE去噪算法。依据侧扫声呐图像的概率分布模型和专家场模型,最大后验估计可以利用梯度上升法进行计算,求解得到去噪后的图像。其中,伽马模型的参数通过最大化算法迭代得到,梯度上升法选用了拟牛顿法得到快速的收敛。实验表明,GammaFoE去噪算法在侧扫声呐图像上具有很好的去噪效果。