在水下自然环境中获取图像时,因为水下环境复杂多变,造成获取的图像质量严重下降,其主要影响因素为悬浮粒子对光的散射与吸收作用,造成光的衰减。与可见光图像相比,偏振图像可以更加明显地突显出目标物的边缘轮廓,从而提高图像的利用价值。本文主要研究可以分为两方面,分别是偏振图像的获取实验设计和退化图像复原方法的研究。本文分析了水下图像退化的相关因素,针对水下图像质量差、纹理细节模糊和对比度低等问题,设计了一套水下偏振成像实验,研究偏振图像的成像特性。通过配置不同浓度的牛奶溶液来模拟水下浑浊环境,使用SALSA相机在自然光的照射下对不同材质,不同浓度下的目标物进行水下偏振图像获取,并对获取的不同角度的偏振强度图像利用Stokes矢量法处理,最终得到偏振度、偏振角等偏振分量图像。因为偏振图像拥有较强的边缘信息和纹路信息,强度图像拥有大量的光强信息,所以本文提出一种基于NSCT变换的压缩感知图像融合算法,将偏振度图像和强度图像作为源图像,通过NSCT变换产生反映近似信息的低频分量和反映细节信息的高频分量,对低频系数采用基于区域能量做权重比的融合方法,高频系数采用基于区域方差加权和取大相结合的融合方法,并加入压缩感知思想的融合优化算法,从而达到偏振图像复原的目的。实验结果表明,本文提出的算法可以通过较少的数据重构出质量较高的图像。本文算法相比于传统图像复原算法、传统的图像融合算法、传统压缩感知重构算法在提高图像标准差和信息熵等图像评价指标上有一定的优势。