通过图像获取有价值的信息是探索海洋的重要途径。然而,水下图像经常受到介质的散射和吸收、人工光源照明不均匀以及设备问题等环境因素的影响,导致图像模糊,颜色失真和对比度降低,这是后续计算机视觉任务研究的主要障碍。本文针对这些问题,提出了一种基于颜色校正和物理模型的水下图像复原方法,具体研究内容如下:1、为了获得一致的水下图像颜色直方图,本文提出了一种用于水下图像增强的颜色校正算法。首先,本文介绍了一种基于颜色直方图均值和标准差的像素自适应颜色校正方法,根据绿色和蓝色通道直方图的统计特征调整每个颜色分量的像素。其次,使用了一种利用绿色均值拉伸的颜色归一化技术,可以去除水下图像的大部分色偏。然而,由于水下颗粒吸收了大量的光线,因此许多拍摄到的水下图像看起来很暗,仍然存在未解决的图像轻微色偏和低亮度问题,为了解决这个问题,本文利用图像归一化调整来提高水下图像的亮度。通过实验证明,本文的方法可以有效地使颜色直方图分布一致,解决了水下图像的颜色失真问题,可以减少恢复图像中的红色伪影,且对比度和清晰度都有明显提升。2、针对水下图像清晰化问题,提出了一种基于自适应环境光和场景环境光差值（Scene Ambient Light Differential,SALD）传输图估计的水下图像复原方法。通过论述几种环境光和传输图估计方法的准确性和可行性,本文总结提出了自己的估计方法。本文的环境光估计方法包括四元分解算法选取背景区域,基于水下图像RGB通道颜色差值以及梯度变化来估计环境光。通过计算水下图像场景中观察到的强度和环境光之间的差值,估计了传输图。通过实验证明,该方法良好的复原效果有效地提高了水下图像的清晰度。3、使用包含890幅水下图像的UIEB数据集以及两个具有挑战性的数据集challenging-60和high-turbid进行实验,与十种最新的水下图像处理方法相比,并从主观和客观方面进行评价。大量实验表明,本文的方法在多个水下场景中具有明显的优势,可以恢复水下图像的颜色信息,消除模糊,增强细节。通过特征点匹配和目标识别的结果可以说明本文方法能够为其他水下视觉任务打下良好的基础。