随着成像设备硬件技术的提高及成本的降低,计算机视觉系统代替人工被越来越广泛地应用到水下场景中。然而水下应用(如海洋勘探、环境监测及水下目标识别等)得以正常运转的前提条件是捕获的图像或视频具有较高的清晰度,特征明显。在复杂水下环境中拍摄的图像往往衰减严重,极大地降低了计算机视觉系统的性能。根据光在水下的传播特性,水下图像的质量主要受到吸收和散射这两种因素的影响。水对光的吸收作用会造成图像产生色偏,而水下悬浮粒子带来的散射会导致图像模糊,细节层次性不高,给后续基于光视觉感知的应用带来极大的困难。因此,提高复杂水下环境中的图像清晰度就显得尤为重要。本文通过对国内外前沿的水下图像增强算法及发展现状的全面分析,从校正水下图像的色彩偏移和细节增强入手,提出了一种新的基于梯度域的水下图像增强方法。论文的主要研究工作包括:(1)依据光在水下的衰减规律,采用一种适用于水下图像的颜色校正方法对色偏进行修正,恢复水下图像的自然色彩。(2)针对颜色校正后的水下图像存在模糊与细节缺失等现象,对其亮度通道进行基于图像梯度域的细节增强,避免图像颜色信息的干扰。根据能量函数,使用梯度保真度和两个约束项对亮度图像进行优化重建,从而获得具有高对比度、丰富细节纹理的增强亮度图。(3)根据降质模型可知,色彩衰减的越严重,图像的传输率越小。因此,根据图像的衰减程度,利用传输率对色彩饱和度进行补偿,使水下图像的色彩更加真实。通过对大量水下图像处理结果的主观评价和客观量化评价证实,本文提出算法的处理结果更令人满意,针对极端水下情况,如高浑浊度图像的处理上优势更为明显。