由于水下环境的特殊性，水质对于声波的吸收、散射及混响等因素的存在严重影响了声纳成像效果，尤其是后向散射效应、混响等使得声纳图像中存在强烈的噪声，严重降低了声纳图像的质量，从而给后续的图像处理和应用带来了诸多不利的影响。因此，如何构建出针对水下图像特点的去噪处理算法具有重大的意义。　　论文首先分析总结了声纳图像成像影响因素和成像特点，与传统的光学图像相比，声纳图像具有斑点噪声严重、分辨率低、边缘模糊、对比度低等特点。并在其成像机理的基础上得到其斑点噪声的统计分布模型，建立斑点噪声图像的乘性瑞利模型。　　然后，根据声纳图像的特点，尝试将基于K-SVD字典学习的去噪方法应用到声纳图像斑点噪声的去除中。一种方式是考虑到声纳成像设备成像特征相似，声纳图像目标比较单一，背景噪声较大的特点，首先从几幅高质量的声纳图像上得到全局字典，然后使用该字典进行去噪。另一种方式是直接在含噪图像上训练得到自适应字典，然后重构图像得到去噪结果。实验表明，两种处理方式在边缘保持和斑点噪声去除上均能达到较好的性能。　　最后，在研究基于K-SVD字典学习的基础上，结合小波分析的多分辨特性，提出了具有多分辨特性的自适应学习字典构造。新构造的字典不仅具有字典学习的特性，同时也继承了小波分析的特点。实验表明，该方法相对于K-SVD训练字典，斑点噪声抑制效果更佳，同时能够显著的提高时间效率。