自然水域下的图像增强和鱼类跟踪对于提升海洋牧场鱼类养殖信息化、自动化、智能化水平具有重要意义,对鱼类行为分析、物种观测及水质状况监测等具有广泛的应用价值。光在水中的传播特性导致水下图像质量退化严重,普遍存在色偏、模糊、光照不均和对比度低等问题。同时,鱼类跟踪过程中泳姿形态多变,游动速度快,且缺少鱼类公用数据集。针对上述问题,本文的主要工作有:1.根据水下图像特点,提出了两种水下图像增强方法。1)基于暗通道先验与Retinex的水下图像增强方法。首先利用暗通道先验理论对水下图像进行去雾预处理,提高图像的清晰度,然后通过超像素分割算法对水下图像进行分割,亮度高的为前景区域,亮度低的为背景区域,并基于Retinex理论分别对两区域进行增强,最后利用泊松融合将两区域合成最终的水下增强图像;2)基于颜色校正与双重曝光融合的水下图像增强方法。首先基于灰度世界假设理论对水下图像进行颜色校正,然后通过双重曝光融合解决水下图像光照不均和低照度的问题,进而实现图像颜色和亮度的增强。该方法处理速度快,实时性好,能较好的应用于水下视频图像序列。2.提出了改进KCF(Kernel Correlation Filters,核相关滤波)的鱼类跟踪算法。在KCF跟踪算法的基础上,分别提取鱼类目标的HOG(Histogram of Oriented Gradient,梯度方向直方图)特征和CN(Color Name,颜色属性)特征,并融合两种特征描述鱼类目标,通过尺度滤波器自适应估计鱼类尺度,最终实现自然水域中多特征与尺度自适应的鱼类目标跟踪。针对缺少水下鱼类跟踪数据集,网上搜集了自然水域中鱼类视频,并进行了人工标注。在自建数据集上,对水下图像增强和改进的KCF跟踪算法进行验证,实验结果表明,有效地解决了水下图像光照不均及模糊等问题,并能鲁棒地实时实现鱼类跟踪。