摘要：无人水下航行器(UUV)由于本身的便利性和自主性在水下探测方面相比传统探测具有很大优势,对UUV水下目标智能识别方法的研究具有重要意义。针对水下环境的高噪声、低对比度的特点,文中首先使用中值滤波和局部增强处理进行水下图像预处理,基于水下图像的小样本特点,提出借鉴牛津大学视觉几何组网络(VGGNet)的逐层递增卷积层思想,利用深度卷积神经网络(DCNN)设计水下智能识别框架并利用大数据集Cifar-10进行一次训练,以学习图像通用特征;同时使用迁移学习和数据增强技术进行二次学习,以学习水下目标特有特征,解决水下数据集不足的情况,防止过拟合。通过仿真试验进行识别效果验证,仿真结果表明,在特定测试集下提出的水下目标智能识别方法在识别效果与自动化程度方面相比传统识别算法具有明显优势。