有效保护和合理开发海洋资源成为了多国面向二十一世纪的新目标。为了应对新的世界形势,我国也加快了针对海洋的战略部署来维护海洋权益。对海洋资源信息的采集和处理不仅可以了解生物资源的生长情况,也可以对海底的能源进行探测以及监测输油输气管道或输电线路的运行情况,同时也可以对水雷、潜艇等军事设施进行观测。因此海洋信息的采集和处理对开发利用海洋资源有着至关重要的影响。但目前针对海洋的目标检测领域研究较少且并没有面向我国的海洋环境进行具体研究。基于深度学习的水下图像语义分割可以识别并分割多类海洋目标,在海洋资源监测、环境监测和军事检测等领域有着一定的应用意义。因此,本文针对目前水下图像语义分割中存在的图像质量较差以及成熟算法不适配等问题,提出了利用图像增强提高水下图像语义分割质量的方案,并对语义分割方法进行了研究。首先提出了一种基于优化的暗通道先验提高图像质量的方法,为水下图像语义分割提供了基础。分析了水下图像质量较差的成因,建立了水下图像的成像模型。利用暗通道先验的方式去掉了水下图像成像中后向散射的影响,并根据实际应用需求对暗通道模型进行了部分优化。在此之后利用自适应的拉伸方式提高了图像对比度并校正了图像的颜色。通过边缘检测、特征点匹配的方法验证了图像增强结果的有效性,并利用结构相似性等指标对比了本文所用的方式和几种广泛应用的图像增强算法,证明了本文所用算法具有更好的效果。接着搭建了应用于水下图像语义分割的网络框架。首先分析了应用于语义分割领域的全卷积神经网络的原理和网络模型,接着针对本课题语义分割目标的具体情况,设计了具有针对性的编码器和解码器,采用Res Net-50的前部分作为编码器,应用Seg Net的解码器并加入了金字塔池化模块。选择了合适的损失函数和梯度优化器,并提出应用数据增强和迁移学习提高语义分割整体效果。最后建立了符合实际应用需求的数据集,对神经网络进行训练、验证和实验。根据水下图像语义分割的实际应用需求,采用多种方式采集水下原始图像并进行标注,从而建立了符合实际应用条件的水下图像语义分割数据集。搭建了进行实验的软件平台,通过选用的三种语义分割评价指标对预实验进行验证,证明所选用的Seg Net主体网络的优越性。选用合适的参数对本文设计的神经网络进行训练,展示了本文所搭建的神经网络的训练结果包括训练过程的acc曲线、loss曲线和语义分割结果。利用对比实验证明了水下图像增强对于水下图像语义分割的整体效果有一定幅度的提升。最后通过搭建水下仿真实验环境模拟真实海洋情况和在哈尔滨极地馆采集图像,制作了相机防水装置并完成图像采集,通过图像增强和语义分割得到实验结果,证明了本文所研究算法的有效性。