海洋中蕴含着丰富的生物资源和能源,是维持人类可持续发展所必需的核心组成部分之一。通过图像来获取海洋中有价值的信息是探索海洋奥秘的过程中一种必要的手段。在实际应用中,海底地形扫描、海底通信电缆铺设、水下航行器及水下搜救等,都离不开水下图像处理的发展。然而,获取水下图像的过程中常常会面临一些困难。首先,当光在水中传播的时候,水体会选择性地吸收部分光线导致水下图像颜色劣化。同时,由于水中漂浮物质的影响光线会产生一定程度的散射,给水下图像带来细节模糊、对比度低等问题。此外,由于硬件设备的限制,获取无损的水下图像本身就存在一定的困难。因此,采用图像处理技术还原水下图像的真实面貌,无论在海洋科学的研究还是工业应用中,都具有很高的实用价值。本文围绕水下图像处理技术展开,重点在于探索水下图像风格迁移与颜色校正的方法。由于导致水下图像质量下降的原因是多方面的,本文在颜色校正的基础上结合水下图像整体增强的方法,使得图像更加接近场景的真实面貌。本文主要的研究内容如下:首先,针对水下图像样本数量及多样性不足的问题,提出一种将深度图像重建与水下图像生成相结合的网络,用风格迁移的方法实现了水下图像快速仿真。相比于其它图像仿真方法,本文提出的方法充分考虑了光在水中传播时的特性,能够以更短的训练时间获得更加接近水下风格的图片。然后,针对水下图像颜色失真的问题,本文结合光在水中传播时的损耗规律,提出了一种基于图像全局信息的动态阈值颜色校正方法。该方法相比于其它颜色校正的方案,能够适用于低照度,蓝绿色偏等多种水下场景。最后,为了解决水对光的散射作用产生的图像模糊的问题,进一步提高图像整体的清晰度,本文将颜色校正后的图像,采用基于多尺度递归的超分辨率卷积神经网络进行纹理细节的重建,从而达到整体增强的目的。实验结果表明,本文的算法能够同时复原各种场景中水下图像的颜色信息和纹理细节信息,从而实现水下图像的颜色校正和整体清晰化。