自十八大以来,我国提出“海洋强国”战略,发展海洋经济,提高海洋科技水平已成为我国当前的重要任务之一。水下图像作为海洋信息的主要载体,对于开发海洋环境、利用海洋资源至关重要。但是水介质对光的吸收较为严重,加之海洋环境中浮游生物与悬浮粒子众多,这使得获取到的原始水下图像存在严重的色偏与模糊问题。水下图像中存在的问题严重阻碍了后续基于视觉任务的完成,如水下目标检测、水下设施检查、海洋生态保护等。因此,针对水下图像色偏严重、细节丢失等问题,本文提出一种基于双分支渐进式生成器的水下图像增强方法对水下图像进行处理。本文的主要研究工作包括如下几个方面:（1）针对原始水下图像中的色偏、噪声等问题,本文提出一个双分支生成器对水下图像的颜色进行均衡、对噪声进行抑制。双分支生成器的两个分支网络分别是基础特征估计网络与特征参数估计网络。基础特征估计网络用于提取水下图像的全局基础特征,初步均衡水下图像的颜色,生成基础特征图像;特征参数估计网络用于生成增强基础特征图像所需要的全部参数图。（2）针对水下图像增强过程中出现的欠增强与过度曝光现象,本文提出一个渐进式增强方法,并将其与双分支生成器相结合构成双分支渐进式生成器。渐进式增强方法将基础特征估计网络生成的基础特征图像作为输入,依据特征参数估计网络生成的全部参数图对基础特征图像进行迭代增强,此过程可有效缓解水下图像处理过程中出现的欠增强与过度曝光现象。（3）为提高水下图像增强方法的实际应用性,本文所提出的水下图像增强方法具有模型结构简洁,所需参数量少,图像处理速度快的特点,可搭载于水下机器人等设备中进行实时水下图像处理。最后,本文通过在多个水下数据集上进行大量的对比试验与消融实验证明了所提方法能够有效地补偿水下图像的颜色,提高水下图像的对比度与清晰度。同时,通过与多种水下图像处理方法进行对比,本文证明了所提方法生成的高质量水下图像较好地避免了欠增强与过度曝光的现象,促进了后续基于视觉任务的完成,对水下设备的作业、海洋资源的开发都有着重要意义。