海洋存储着丰富且稀有的资源,随着各国的发展,陆地资源的开采逐渐进入瓶颈期,进行海洋探测是打破瓶颈的重要手段。由于海洋环境的不可直接接触性,研究人员对水下领域的探索主要依靠水下设备获取的光学成像,但水下图像往往呈现出色偏、失真、对比度低等降质特征。本文针对水下图像的退化现象,进行了图像的增强和复原算法研究,主要研究内容如下:首先,概述了本课题的研究背景和意义,分析了水下图像处理领域的国内外研究现状,对水下光传播特性进行了说明,并建立了水下成像模型,同时介绍了一些用于水下图像处理的经典算法,建立了本文的水下图像质量评价体系。其次,针对水下光照能量选择性衰减引起的成像图片色偏现象,采用一种改进的基于亮度补偿的自动白平衡方法,先进行RGB通道计算再补偿亮度损失,修正增益,完成水下图像的颜色校正预处理;针对水下光的散射效应引起的对比度降低,先采用对比度受限自适应直方图均衡化算法在Lab空间对颜色修正图像的亮度分量L进行增强,再回到RGB颜色空间利用Gamma变换进行细节调整,完成水下图像对比度和细节增强的预处理操作。通过实验证明了本文图像预处理方法的有效性。再次,在图像金字塔融合算法的基础上,将预处理后的颜色修正图像以及对比度和细节增强图像作为输入,分别计算其拉普拉斯全局对比度权重、局部对比度权重等四项权重图像,并结合归一化权重图,采用多尺度金字塔融合算法的思想,进行高斯和拉普拉斯金字塔分解和重构,完成基于图像融合算法的增强处理。通过对比性实验证明了本文方法的增强效果。最后,从基于物理模型的研究角度出发,提出一种结合泛化暗通道先验理论及图像融合的水下图像复原方法,先使用一种泛化暗通道先验算法对降质的水下图像进行预处理,接着一方面对图像对比度及细节进行增强,另一方面基于一种迭代的思想处理图像,将两者作为两幅输入图像参与图像融合,进而得出复原后的水下图像。通过实验证明本文算法对水下图像处理效果良好。