水下成像具有特殊性,光线在水中传播的过程会受到水介质中粒子以及杂质的吸收和散射等影响,这些影响会使得光线产生严重的衰减效果,导致直接在水下采集到的原始图像往往出现能见度差、细节模糊不清、色彩不真实、对比度低以及噪声过多等降质问题,这些问题都严重阻碍了对水下图像中有用信息的读取工作。本文为了解决上述问题,提出了一种基于图像融合的自适应水下图像增强方法,采取色彩校正、亮度提升、细节增强等步骤对原始降质水下图像进行处理,达到图像清晰化的目的。本文的主要工作内容如下:(1)针对水下图像普遍存在的色偏问题,采用基于色彩补偿的颜色校正方法对水下图像进行色偏的恢复处理,该方法可以很好地恢复水下退化图像的色彩偏差,且相比于其他传统白平衡方法效果更佳。(2)为了不对颜色校正后图像的颜色通道产生影响,将图像转换到LAB空间,采用自适应Gamma校正算法对亮度通道按照其不同的明暗特性进行自适应的调节,达到均衡与调节图像亮度的效果。(3)提出一种基于图像融合的自适应水下图像增强方法。首先将颜色校正后图像的亮度通道与Gamma校正后的亮度通道作为小波分解的输入图像,并提出对分解后得到的高频分量进行基于L2范数的自适应融合,对低频分量进行线性融合。将亮度通道融合结果重构后与颜色通道结合,再将结合后的结果转到RGB色彩空间得到最终的图像增强结果。(4)对于目前缺少具有参考图像的图像数据集进行实验的问题,选用NYU数据集根据大气散射模型与衰减系数的设定建立了不同清晰程度的合成模糊图像数据集,为最后的增强方法验证工作提供了更加丰富且更加具有参考性的实验数据。具体的实验设计为:分别使用本文建立的数据集与在网络上下载的无参考数据集进行多种方法的对比实验,从实验结果中可知,相比于其他方法,本文所提出的水下图像增强方法无论从主观上还是从客观的图像质量评价标准上都得到了更为理想的结果。除此之外,设计基于YOLOv3的目标识别实验,证明本文方法在目标识别数的提升方面具有良好的效果。