（上海海事大学商船学院 上海 200000）

1 引言

随着海洋经济越来越受到重视，水下机器人应用也越来越广泛，为了可以在危险的水下环境工作，水下机器人应用技术也成为了研究的热点［1］。图像作为水下机器人识别环境的重要手段之一，在获取海洋信息方面具有特殊的意义。水下环境有太多不确定因素导致水下图像不清晰，通常会有“雾化”和色偏现象，其原因是因为水中的杂质会使光发生散射从而产生“雾化”现象，而水体对于不同波长光的吸收能力的不同导致水下图像产生了颜色失真的现象［2］，水体对图像的影响让水下图像的应用变得困难，目前对于水下图像的增强方法研究可以分为基于非物理模型的图像增强算法和物理模型的图像复原算法［3］，改善图像质量可以让水下机器人应用更加高效便捷。

水下图像处理方法有白平衡算法［4］，和直方图均衡化算［5］（Histogram Equalization，HE），自适应直方图均衡化法［6］（Contrast Limited Adaptive His-to⁃gram Equalization，CLAHE），retinex算法［7］以及暗通道先验算法（Dark Channel Prior，DCP）［8］等，以上方法对于部分水下图像处理有一定效果，但不具备普适性。近些年深度学习对于图像增强的研究进展非常快，利用神经网络训练生成无偏差图像也成为水下图像处理的的一种新方法。

另外，基于颜色恒常理论为基础改进的水下图像增强算法也具有很好的效果［9］，颜色恒常理论指出，物体的颜色取决于不同波长光的反射能力且不受光照不均匀的影响，retinex算法以颜色恒常理论为基础，通过模拟人眼视网膜的成像原理实现水下图像的色彩校正和对比度增强，Zhuang［10］等采用多尺度retinex算法对水下图像进行处理得到对比度较高的图片。……