近年来,海洋对于人类发展所起到的作用愈发明显,想要对海洋所蕴藏的能源进行更好的开发利用,就要对水下环境与海底信息进行探测与分析。图像是信息的重要载体,水下图像在水下目标检测以及水下机器人等领域中更是起到了基石的作用,然而由于水下悬浮杂质、水体吸收以及水体湍流等因素的存在,水下图像降质严重,对后续的工作影响极大,所以对水下图像进行复原就显得格外重要。本文以解决水下图像的降质问题为目标,针对不同的降质因素提出不同的水下图像复原算法,主要研究内容如下:（1）本文对Jaffe-McGlamery水下光学成像模型进行推导,并介绍了光线在水下的传播特性,分析得到了水下图像产生模糊以及颜色失真的原因。本文还分析了水面波动以及湍流对水下成像的影响和产生影响的光学原理,为后续复原算法的提出打好基础;（2）针对水下图像的颜色失真以及模糊问题,本文提出了基于改进白平衡与暗通道先验的水下图像复原算法。首先以绿色通道为基准通道,对红色与蓝色通道进行通道补偿,并引入标准差系数来综合考虑同一像素点在不同通道处的差异,之后再采用灰度世界算法进行白平衡校正,得到偏色校正后的水下图像。其次,对暗通道先验算法进行改进,通过双通道先验来减轻白色物体对背景光强求取的影响,并引入散射系数与波长的关系对三个通道的透射率进行调整,最终得到无色偏、去模糊的复原后水下图像。本文还采用了专用于水下图像质量评价的两个综合性指标Underwater Image Quality Measures（UIQM）与Underwater Color Image Quality Evaluator（UCIQE）对复原后图像进行评价,结果表明本文算法优于文中列举的几种经典传统算法;（3）针对湍流等引起的水下图像畸变问题,本文提出了基于图像配准与幸运块融合的水下图像复原算法。首先,通过将幸运块融合引入图像配准算法中,对序列中图像进行分块、幸运块挑选以及幸运块拼接融合来构造高质量的参考图像。其次,采用改进的Richardson-Lucy算法（RL）来减弱由于图像拼接而引入的模糊,同时还提高了算法整体的速度。通过实验将本文所提出的算法与经典的图像配准算法以及水面波形估计等去畸变算法相比较,结果表明本文算法有较好的去畸变效果,并且在相同的有效迭代次数下,本文算法运行时间最短,速度最快。