二十一世纪将是海洋的世纪,辽阔的海域中蕴藏着丰富资源。这将缓解日益增长的人口、资源、环境压力。由于海洋环境复杂,所以在开发海洋的过程中面临着一系列的困难。在海洋环境中,不仅水体对光有极强的吸收衰减、散射作用,而且有着大量的海洋生物,尤其是小的浮游生物和其他微小颗粒,导致水下图像信噪比很低,对比度很差,细节模糊,整个图像呈雾化的效果。因此有效的去除水下图像噪声、反映清晰的水下信息对开发海洋起到重要作用。由于水及其悬浮粒子对光的吸收和散射,使得水下成像系统所观测到的图像模糊降质。其中系统照明光在成像空间所产生的后向散射在图像中形成噪声背景,是造成图像信噪比和对比度降低的主要原因。细胞神经网络具有局部连接的、输出函数是线性分段的、能够实现实时的信号处理等特点,能够实现大规模集成电路,高速并行处理等优点。基于偏微分方程的图像处理方法能够实现图像非线性滤波,在去噪的同时保护图像边缘信息,并且有着严格的理论基础。本文结合细胞神经网络和偏微分方程图像处理的优点,研究其在水下图像后向散射噪声抑制中的应用。首先,本文分析了水下图像的光学原理,并通过实验对水下图像前向散射和后向散射的特点进行研究,重点对水下图像传递函数模型以及后向散射特性进行理论分析,并在此模型的基础上,给出了基于物理机制的图像复原新思路。其次,对基于偏微分方程图像处理进行研究,通过实验和理论研究了几种主要的变分去噪模型及其优缺点。然后介绍了细胞神经网络模型和概念,说明了细胞神经网络的各个参数,分析了细胞神经网络的动态性和稳定性。重点介绍了基于细胞神经网络的图像处理原理和步骤,给出了几种常用的灰度图像处理方法,并通过实验说明效果。最后,重点研究了基于偏微分方程的细胞神经网络水下图像后向散射噪声抑制方法。首先用细胞神经网络实现典型的偏微分方程,对水下图像处理,实验证明各向同性扩散的热扩散、拉普拉斯方程,可以对水下散射噪声抑制,但效果不明显,改进的热扩散方程效果较好。用基于细胞神经网络的泊松方程对水下图像进行处理,获得较好的效果,说明水下图像退化过程与泊松方程存在相似处。各向异性扩散的P-M方法去噪效果不佳,这由于后向散射噪声对边缘检测算子影响很大。然后用细胞神经网络实现一般正则化方法,可以很好的抑制水下后向散射噪声。最后用细胞神经网络实现变分方法,分别对水下散射图像和水下图像进行处理,实验分析了四种变分模型对水下图像后向散射噪声的抑制,通过评价参数和功率谱密度分析去噪效果,证明了方法三可以较好的抑制水下图像后向散射噪声,且很好的保护图像的边缘信息,以及本文水下图像传递函数模型的合理性。式(5-29)描述的能量函数更加符合水下图像的真实能量函数。