水中存在大量悬浮粒子和可溶性物质,使光线在水下传播过程中产生散射效应和吸收效应。随着场景深度的增加,散射效应产生的后向散射光会不断增强,而目标场景的反射光被逐渐削弱,导致水下图像出现细节模糊、对比度降低的现象。此外,水体对不同波长的选择性吸收,导致水下图像出现严重的色彩偏移,降低了图像的视觉效果。这些退化的图像严重降低了获取水下目标有效信息的准确性。因此,为了提高水下图像的质量,获取更多有价值的信息,本文根据目标反射光与散射光之间的偏振特性差异以及水体对不同波长光的吸收衰减差异,提出了一种基于偏振成像的水下图像增强方法,具体内容如下:（1）为了同时解决散射效应和吸收效应对水下图像造成的影响,本文构建了一种联合图像去散射和颜色补偿策略的水下偏振图像增强框架,在实现水下图像去散射的基础上补偿色彩偏移,实现水下图像清晰化。（2）针对散射效应造成水下图像对比度低、细节模糊的问题,本文首先构建了水下偏振去散射模型。其次,为了准确估计模型中的未知参数,本文基于强度差先验提出一种场景深度信息感知的后向散射区域自动定位方法,在后向散射区域中自动解析未知参数,并将所求参数输入模型进行反演处理,实现后向散射光的分离,提高图像对比度。（3）针对吸收效应引起的水下图像颜色失真的问题,本文提出了一种基于波长衰减差异的颜色补偿策略。该策略首先自动判定不同波长的衰减级别以及衰减系数之间的关系。其次,基于灰度世界假设,利用保存色彩最佳的颜色分量自动补偿其他颜色分量,提升图像视觉效果。本文采集了多组不同偏振态的水下图像作为实验数据,并将本文方法与多个经典的水下图像增强方法进行主观与客观的比较与分析。实验结果表明,本文方法更能突显目标的细节信息,有效地提升了水下图像的对比度,获得了更自然的视觉效果,验证了本文方法的有效性与真实性。