水下目标识别广泛应用于海底打捞、资源勘探和开采,以及管道铺设等军事、民用领域。光视觉因具有近距离感知且获得图像信息更丰富等优势而弥补了声视觉的不足,成为近年来国内外专家和学者研究水下目标识别的一个重要分支。本文重点基于光视觉的水下目标识别技术进行深入研究,以期解决其中的部分问题。主要工作如下:(1)搭建水下目标识别系统硬件平台,并进行数据集制作与标注。选取工件与几何体两类样本作为目标样本,利用所搭建的实验系统进行样本收集;提出一种基于图像风格转换的数据增强方法来扩增数据集;利用标注工具对数据集进行标注,生成PA SCAL VOC格式的标注文件。(2)在分析两大类常用图像增强方法的基础上,针对水下成像所产生图像降质和颜色衰减,提出改进全局背景光估计和颜色校正的图像增强方法。在估计图像全局背景光时选取矩形模板对图像进行分块计算色彩饱和度方差,选取方差最小的区域作为背景光的预估图片;针对原始的背景光估计方法会使图像偏白,做最小值滤波处理;通过Retinex算法来校正图像的R通道的颜色,再结合各颜色通道的色彩衰减系数比获得其他通道;最后通过对比实验验证本文算法的优越性。(3)在分析常用传统的目标检测与特征提取方法SIFT与HOG的基础上,针对其计算量大、需要人手工提取特征等缺点,提出改进的Faster R-CNN。利用深度可分离卷积改进Faster R-CNN的特征提取层并且将全连接层替换成卷积层,以大幅度减少网路结构中参数的数量;利用ROI Align降低Faster R-CNN在训练过程中的两次量化带来的精度损失,以提高目标识别的精度。(4)对本文所提出的目标识别方法进行对比实验和性能评价,实验结果证明了本文所做工作的有效性。