水下图像增强工作对海洋资源的开发与利用具有重要意义。然而,所拍摄的水下图像大多存在对比度低、颜色失真等问题,很难直接应用于海洋工程和海洋军事等领域。所以,开展水下图像增强的研究工作是必要的。近几年,深度学习广泛应用于水下图像处理领域。基于此,本文将深度学习方法应用于水下图像增强方法研究,得到三种水下图像增强算法。首先,为了解决严重的色彩失真,提出了一种用于水下图像增强的算法,该算法由特征提取网络和纹理细化网络两部分组成。在特征提取网络中将稠密模块引入编码解码结构中来修正色差。在纹理细化网络中添加了六个纹理细化单元实行纹理细化处理。实验结果表明,该算法的UCIQE和UIQM分别可以达到0.605和4.939,相比于对比算法,所提算法获得了更好的增强效果。其次,为了去除水下图像常见的不必要色差和噪声,设计了一种注意生成对抗网络。该网络在生成器中加入了注意力机制。在判别器中使用并行的双分支网络使判别结果更加准确。通过客观分析对比得出,所提算法增强的水下图像相比于原始水下图像,UCIQE提升了27%,同时消除了水下图像中的噪声和伪影,更好地改善图像质量。最后,针对水下图像的对比度低与细节模糊等问题设计出增强水下图像的多通道残差网络。利用多通道残差网络增强退化的水下图像的红通道分量。同时,将蓝绿通道分量进行白平衡处理。最后将分别增强的三分量进行通道合并,得到清晰的高质量水下图像。实验结果表明,该算法增强后的图像细节清晰,有效提升了图像对比度。