水下的自然资源不仅具有十分巨大的经济价值,还有非常重要的战略意义。水下光学图像由于包含丰富的细节信息被广泛应用于水下环境的探测,自然场景下的水下环境十分复杂,水中包含的大量悬浮颗粒对光线有着非常强烈的吸收和散射作用,并且不同波长的光线在水下的衰减速率不同,因此水下图像通常具有低对比度和蓝绿色偏的特性。为了提升水下光学成像系统的感知能力,本文对复杂环境下的水下图像处理技术进行了深入研究,研究内容包括无参考的水下图像质量评价、水下图像清晰化和水下图像拼接,取得的研究成果具体如下:（1）针对缺乏准确度高、鲁棒性强的水下图像质量评价方法这一问题,本文提出了一种专门用于水下图像的无参考质量评价指标。首先基于人眼视觉系统的感知特性和光在水中的传输特性,设计了色彩丰富度指数、对比度指数、锐度指数来感知水下图像质量的变化,在对比度指数和锐度指数中,提出了一种自适应灰度转换方法,以增强评价指数对色彩的泛化能力。最后通过对上述三个评价指数进行线性组合处理得到本文提出的评价指标,获得了比其它水下图像质量评价指标更加准确的评价结果。（2）针对水下光学图像普遍存在对比度低和颜色失真的问题,本文提出了一种基于水下成像模型和卷积神经网络的水下图像复原算法。该算法首先对水下成像模型进行变换,将水下成像模型中的背景光和透射率这两个未知参数整合成一个未知参数,然后设计了一种新型多尺度卷积神经网络来估计变换后的水下成像模型中唯一的未知参数,最后根据水下成像模型反推生成复原图像。对比实验结果显示,本文提出的复原算法实现了比其它水下图像清晰化处理算法更好的处理效果。（3）针对水下光学相机成像视距较短导致单张图像视野范围有限这一问题,本文提出了可对多张水下图像进行快速拼接的水下图像拼接算法。该拼接算法通过预处理、特征点提取与匹配、重叠区域对齐、拼接图像优化和多图拼接策略完成多张水下图像的连续拼接,在特征点匹配阶段,提出了一种基于多种匹配策略的特征点匹配算法,该匹配算法通过欧氏距离阈值、垂直方向空间距离阈值、近似重叠宽度条件相结合的方式实现了高精度的特征匹配,在多图拼接过程中,提出了一种基于感兴趣区域提取的拼接策略,该拼接策略通过图像拆解的方式有效地提升了图像拼接的效率。