随着工业化的快速发展,资源短缺成了制约人类社会发展的原因之一,海洋成为人类获取资源的重要途径。水下机器人是人类探索海洋的重要技术手段,机器视觉的发展是水下机器人作业的先决条件。海洋图像作为水下环境最直观的反映,清晰的海洋图像对水下作业至关重要。由于水下环境的高度复杂性,光传播过程中受到水介质吸收和散射,使得获取到的水下图像往往存在轮廓不清晰、对比度低以及颜色失真等诸多问题,严重影响了水下成像的质量。因此,水下图像的清晰化具有重要的科研价值和广阔的应用前景。为了提高水下图像的清晰度和可见度,提出一种基于差异通道增益与改进多尺度Retinex算法相结合的方法改善水下图像质量。首先,考虑到水介质对红光的强衰减性,利用改进的灰度世界法则得到差异的通道增益,单独对红色通道进行增益,使其更接近均匀光照场景;其次,为了消除雾状模糊和增强细节对比度,对差异通道增强后的图像进行改进的多尺度Retinex算法处理,由于tanh函数具有良好的有界性和光滑性,通过使用tanh函数替代多尺度Retinex算法中的对数函数,来减少数据的丢包,确保信息的完整性;最后,采用自适应伽马技术调整图像的亮度分布。实验结果验证了所提算法的优越性,如图像清晰,颜色自然,拥有更佳的可视效果。为了还原真实的水下场景,提出一种基于修正模型的水下图像复原算法。首先,考虑到红光在水介质中的强衰减性,采用高斯函数补偿水下图像的红色通道,防止复原后的水下图像中红色分量太高,出现过度恢复现象,其次对背景光估计采用局部背景的估计方法,来避免全局背景光估计不准确对复原结果造成的影响,结合暗通道先验理论对水下图像的透射率进行估计,将估计的背景光值和透射率代入修正后的散射模型表达式,求得复原后的水下图像。实验结果表明,该算法处理后的水下图像具有更好的清晰度,能较好地还原真实的水下场景。