水下光学图像能直观反映水下情况,在海底地形勘测、水产养殖等方面扮演着重要的角色。从水下采集到地面端显示的各阶段中,由于不同波长的光在水下的选择性衰减还有压缩传输的影响,地面端的显示图像可能会存在模糊、噪声以及色偏等现象,妨碍水下信息的提取。图像质量感知技术可以代替人类视觉系统（Human Visual System,HVS）感知图像中的劣化,在水下压缩与地面端修复环节进行质量监督和引导,帮助地面端显示更有效的图像数据。因此,本文研究的基于感知驱动的水下图像压缩与修复方法具有重要意义。具体工作如下:（1）分析水下图像获取、压缩和传输各环节中典型劣化因素,其中包括颜色退化、压缩损伤和传输劣化。然后介绍质量感知模块的设计,以及它针对不同劣化因素所起的质量监督作用,为后面的工作提供理论基础。（2）提出基于水下仅可觉差（Just Noticeable Difference,JND）模型的图像压缩方法,用于优化调整水下图像的压缩程度,提高通信效率。我们结合水下任务需求,比较多种压缩感知（Compression Sensing,CS）方法,选取合适的作为本文所使用的压缩算法;提出水下图像JND模型,其中包括压缩损伤感知网络和基于反馈的搜索策略。实验结果表明,与现有的JND模型相比,在峰值信噪比等多个指标下,本文所预测的JND图像与真值之间的误差最小,能帮助系统在不损伤视觉体验的情况下尽可能去除视觉冗余。（3）提出感知驱动的水下图像修复方法,对传输劣化导致的噪点和颜色退化导致的色彩偏移进行地面端的修复。采用基于全卷积的去噪网络修复CS类传输劣化,并设计基于分块的传输劣化感知算法作为损失函数的一部分。实验结果表明,相比于其他部分参考感知,该感知算法能更准确地反映图像传输劣化程度且抗误码性能良好,结合该算法后的去噪网络性能要优于原网络;设计基于感兴趣区域的颜色退化感知算法,用于评估接收端图像的颜色退化修复程度。实验表明,相比于其他无参考方法,该颜色退化感知算法与主观感知的相关性更好。