水下目标识别技术是开展水下作业的重要保障,在军用和民用领域都发挥着重要作用。根据信息获取方式的不同,水下目标识别技术分为水声探测技术和光视觉探测技术。相较于水声探测,光视觉探测具有探测目标直观、分辨率高、实时性能优良等诸多优点,具有广泛的应用前景。然而,水体及水中杂质对光信号有着强吸收和强散射作用,严重破坏了水下光视觉探测的清晰度,限制了水下目标识别距离。因此如何有效降低水体及水中杂质对光信号强吸收和强散射作用的影响,提高水下成像的清晰度,成为水下目标识别领域的难题和发展方向。为解决这一难题,本文采用基于偏振成像的手段,结合图像融合及基于深度学习的图像处理技术,在水下成像系统的前端硬件和后端处理上分别改进,最终实现清晰的水下成像和准确的目标识别。具体工作内容如下:针对水体及水中杂质对光信号的强吸收和强散射作用导致的成像清晰度下降、水下探测距离受限等问题,本文首先从吸收及散射的机理出发,分析了传统正交偏振用于水下成像去噪的缺陷。然后,以理论分析为基础,在ZEMAX中对水下成像的散射和偏振特性做了仿真,得出水体浑浊度及水下目标物表面粗糙度变化对光波偏振方向的调制规律。最后,根据仿真得出的规律,提出了多偏振成像结合基于深度学习的图像处理方法,建立了水下多偏振成像系统原理模型。对于图像处理部分,本文先将多偏振图像融合,再用基于深度学习的方法进一步处理。其中,图像融合基于小波变换实现,本文提出了基于小波变换的水下多偏振图像融合算法,对后向散射的影响加以抑制,提高图像对比度。在此基础上,基于深度学习图像处理原理,搭建了基于Tensor Flow的生成对抗网络（GAN）并对其进行训练,训练完成后可对水下图像处理,能够降低吸收和前向散射带来的影响,得到较为清晰的水下图像。基于前面两项工作,本文设计并研制了水下多偏振成像系统。在系统硬件上应用复眼透镜匀光技术实现均匀线偏光照明,通过FPGA控制步进电机实现偏振态切换并触发相机同步采集图像。然后,基于Visual Studio平台应用C#语言开发了上位机控制软件,集成照明控制、偏振态切换、图像预览和采集等功能。最后,对系统进行了水下成像验证实验。实验结果表明,和常规水下成像结果相比,峰值信噪比（PSNR）约提高6;在相同距离及成像清晰度情况下,可观测的水体浑浊度（NTU）可增加20。