在声呐技术中,声呐图像分割结果的准确性直接影响后续的处理环节以及最终对声呐图像的理解,因此声呐图像分割在声呐技术中具有重要的地位。但是由于声呐图像受海底噪声影响,其存在分辨率小、边界模糊、易受噪声干扰等问题,使得声呐图像分割没有可靠、可行的方法进行指导。本文主要研究声呐图像的灰度统计特征,以及应用最大类间方差算法(OTSU)和模糊C-均值(FCM)聚类算法来实现声呐图像分割。本文首先对声呐图像灰度统计特征的国内外研究现状进行概述,并给出声呐图像部分灰度统计特征的计算公式和物理意义。其次研究了现有OTSU图像分割算法,针对传统OTSU算法以灰度均值为衡量参数,本文提出改进的一维OTSU图像分割算法,其主要思想为将能够反映图像边缘灰度离散程度的均方差引入到算法中,以灰度均值和灰度均方差为参数构建新的类间方差。针对二维OTSU算法中二维直方图的构建,本文使用声呐图像的灰度统计特征灰度值、邻域灰度均值、邻域灰度中值和邻域灰度最大值来定义不同的二维直方图,从而实现二维OTSU双阈值声呐图像分割。最后针对经典FCM聚类图像分割算法既没有考虑图像灰度强度不均匀,也没有考虑像素空间信息的问题,本文将声呐图像的灰度统计特征引入到FCM聚类算法中,实现基于声呐图像灰度和空间信息的三维向量表示,该方法有别于其它基于图像灰度和空间信息的二维向量表示。