基于光学的水下小目标检测识别是水下捕捞机器人智能化作业的关键。然而水下复杂的成像环境导致获取的图像严重衰退,给目标检测识别带来了极大的困难。水下图像的衰退主要包括:光线吸收导致的颜色偏差,光线前向散射导致的细节模糊和光线后向散射造成的低对比度。为了提高水下目标识别的准确率,本文采用多步骤的基于卷积神经网络水下图像增强方法对水下退化图像进行处理,该方法针对水下图像存在的颜色失真、细节模糊、对比度低等问题,采取颜色修正、图像去模糊及细节增强等步骤实现水下退化图像的增强。本文主要的研究内容包括以下几部分:(1)采用一种自适应的颜色修正方法对水下图像颜色进行补偿,该方法相比于其他颜色修正方法更适用于水下环境,能够很好地恢复水下图像颜色,获取颜色修正图像。(2)采用一种基于场景深度卷积神经网络模型的图像去模糊方法对颜色修正图像进行去模糊。利用场景深度模型估计颜色修正图像对应的场景深度图像,将其转换为透射率图像,应用大气散射模型去除颜色修正图像的模糊,获取去模糊图像。该步骤在图像去模糊的同时,也在一定程度上提高了图像的对比度。(3)采用一种基于图像超分辨率卷积神经网络模型的图像细节增强方法对去模糊图像进行细节增强。该步骤从分辨率角度对图像进行增强,凸显了图像细节,最终实现水下图像增强的目的。实验结果表明,本文提出的增强算法能够修正水下图像颜色偏差,提高图像的对比度和清晰程度,相比于其他水下图像增强方法,本文提出的增强算法处理结果较为理想,且对于水下图像的特征点检测匹配、目标识别方面有较好的促进作用。