水下机器人系统中,摄像系统是水下机器人作业、视觉导航和观测等的必备设备,其获取图像质量好坏直接影响到机器人系统功能的发挥。但在部分海域中,水下观测效果受到海洋或河流水体条件因素制约,观测效果不佳。论文以提高水下目标检测精度为目标,围绕水下目标检测中图像增强算法进行研究与实现,分别利用基于传统数字图像处理方法和基于深度学习方法实现水下图像增强。硬件实现方案是实现水下图像增强的基础,本论文对摄像头模组硬件实现方案进行深入论述,研究并提出了一种基于模拟摄像头模组、微光高清数字摄像头模组、网络摄像头模组和水下专用摄像系统的水下摄像方案。针对不同应用场景,分别针对各水下摄像方案进行对比,以保证水下图像增强的效果。采用传统数字图像处理方法,分析水下光学成像模型及水下图像空域,为基于数字图像处理方法实现水下图像增强提供物理模型基础。基于自动白平衡算法,视网膜大脑皮层理论算法、对比度限制直方图均衡算法和自适应幂律校正算法,提出基于色彩平衡及校正的水下图像增强算法,实现基于传统数字图像处理方法的水下图像增强。最后利用水下机器人录制的水下视频对算法进行测试验证,实验结果表明该算法对于水下图像的增强效果明显。采用基于条件的生成对抗网络方法实现水下图像的实时增强,通过配对水下图像和非配对水下图像对深度学习模型进行训练,同时通过水下图像颜色、区域纹理信息、图像内容及样式,建立目标函数,以监督生成对抗网络中对抗性训练。结果表明,经由基于条件的生成对抗网络方法提升水下图像和视频,图像增强效果良好,并可实现实时水下图像增强。