数字图像复原技术在近些年实现了迅猛的发展,但是针对水下场景的图像复原却一直比较少见,这是因为水下的光学环境复杂多变以及水面波动干扰等原因。不同原因导致的水下图像失真需要不同的方法来复原,本文从光衰减导致的水下降质图像和水面扭曲导致的水下畸变图像两种角度来研究水下失真图像的复原。本文通过实验发现传统非物理模型复原法对于光衰减导致的水下降质图像不奏效,因此提出一种基于图像小波变换与同态滤波融合的水下降质图像复原方法,将水下降质图像经过小波分解保留低频图像,将同态滤波后的低频图像与原始图像水平细节图像、垂直细节图像和对角细节图像三幅高频图像进行小波重构得到复原图像,实验结果表明该方法大大降低了水下降质图像的平均灰度值,且图像失真较少。对于水面扭曲导致的水下畸变图像,由于水表面波动的拓扑变化具有高速运动性、随机性以及极高的复杂性等特点,获得精确的水表面形状,通过失真图像恢复出水底的真实场景是实现水下畸变图像复原的关键。本文引入了一种针对水下畸变图像复原的方法:无模板模型追踪法,由于无模板模型追踪方法的目标函数为非凸函数,传统优化算法在求解极值时可能会陷入局部最优的情况,为了得到更清晰的复原图像,本文提出一种自适应差分进化蝙蝠算法(ADEBA),将自适应差分进化思想中变异操作、交叉操作以及选择操作与基本的蝙蝠算法相融合,改善基本蝙蝠算法寻优能力不足从而易陷入局部极值的问题,并且由于自适应性,平衡了算法的收敛精度和收敛速度。在测试函数运行的结果表明本文提出的算法相比基本蝙蝠算法,寻优能力大大提高,最后利用ADEBA的优秀寻优能力,来优化无模板模型追踪算法的目标函数,进而得到更加精准的扭曲函数,最后得到更加清晰的水下复原图像,与利用其它经典仿生优化算法相比,基于ADEBA的无模板模型追踪法复原效果更好,图像质量更高。