水下环境的不可预测性和多种干扰因素导致水下图像存在颜色失真、能见
度低和细节模糊等问题，严重影响了基于视觉技术的应用。为了提取场景中有用
的信息，需进行图像增强和修复来改善图像质量。因此，本文以提升水下场景可
见度、消除图像色偏和改善细节模糊为研究目标，结合水下光学成像机理，合成
了水下图像数据集，同时对水下图像增强和超分辨率展开研究。主要工作如下：
（1）针对水下图像数据不足的问题，提出了一种基于成像模型的水下图像
生成方法。以水下成像模型为主体，设计了双背景光自适应融合方法对其进行改
进。引入了单目深度估计算法和加权引导滤波器获得自然图像的平滑深度图，进
质类型的衰减系数，可以合成对应水质类型的水下图像。
（2）针对面临颜色失真问题的水下图像，提出了基于多尺度色彩补偿与融
合的水下图像增强算法。引入了色偏检测算法对图像进行分类。设计了多尺度色
彩补偿方法对色偏图像进行通道补偿，再对补偿后图像进行白平衡处理。使用基
于秩一先验矩阵的图像去雾算法来实现水下图像去雾，并利用改进的非锐化掩
膜方法进行细节保持。最后，将白平衡图像与锐化图像在CIEL*a*b*空间中进行
融合，得到最终增强图像。在公开数据集与合成数据集上与8种经典算法进行了
对比实验。由实验结果的定性和定量分析可知，本章所提方法能够有效消除图像
色偏，提高图像的对比度，并具有较好的鲁棒性。
（3）针对同时面临颜色失真与分辨率低等问题的水下图像，提出了一种基
于自适应色彩补偿和超分辨率重建的水下图像增强方法。结合水下衰减特性，设
计了自适应色彩补偿方法来对颜色失真图像进行像素补充。使用伽马校正方法
来对图像过亮和过暗区域进行抑制与增强。设计了水下深度耦合反馈网络，利用
各模块之间的相互协作来充分融合上述两种图像，并提高图像分辨率。同时，还
设计了一种混合损失函数监督网络训练。在公开数据集和合成数据集中进行了
充分的对比实验，结果表明该方法在水下图像增强的基础上进一步改善了图像
分辨率低的问题，使得图像色调更加真实，纹理更清晰。
关键词：图像增强；水下图像合成；色彩补偿；图像超分辨率；图像融合
I
ABSTRACT
Theunpredictabilityoftheunderwaterenvironmentandmultipledisturbingfactors
leadtocolordistortion,lowvisibilityandblurreddetailsinunderwaterimages,which
seriouslyaffecttheapplicationofvision-basedtechniques.Inordertoextractuseful
informationfromthescene,imageenhancementandrestorationareneededtoimprove
theimagequality.Therefore,inthisthesis,withtheresearchobjectivesofenhancing
thevisibilityofunderwaterscenes,eliminatingimagecolorbiasandimprovingdetail
blurring,wesynthesizeunderwaterimagedatasetsbycombiningunderwateroptical
imagingmechanisms,andalsoconductresearchonunderwaterimageenhancement