随着人类社会对于资源需求的日益增加，对海洋资源的开发将成为未来的发展趋势，水面无人艇(Unmanned surface vessel，USV)凭借其花费成本低、环境适应能力强和人工成本低等优点，使其在各国对于海洋资源的争夺中被广泛应用于军事和民用领域。
　　视觉系统作为无人艇环境感知的重要分支，是无人艇获取周边信息的主要途径，同时其获取的信息也是无人艇进行决策时的重要参考，但是水面颠簸、雾气等特殊环境会造成获取的图像质量的显著下降，且未经处理的原始图像也存在着有用信息比例低的缺点，严重影响了无人艇视觉系统的性能。本文通过考虑水面特殊环境，针对性地提出了若干无人艇近岸图像的预处理方法，通过提升图像和视频的质量，以及提炼近岸图像中的有用信息，达到了提高视觉系统性能的目的。主要研究内容和创新点如下：
　　为了降低水面颠簸造成的图像序列晃动，本文分别提出了一种基于PTZ转台控制的机械式稳像方法和基于多元灰度投影的电子稳像方法来组成一种二级稳像系统。在机械式稳像中，为了应对PTZ转台惯性大、响应滞后的缺陷，提出了分区间控制的云台控制策略，有效降低摄像头的晃动。在基于多元灰度投影的电子稳像方法中，分别采用差分灰度投影、环投影和圆投影来估计相邻帧之间的平移、缩放和旋转，该方法主要具有两个优点：一是采用投影这样的统计信息来估计相邻帧之间的变换,能有效抵抗无意义纹理造成的干扰，对于水面和近岸视频的稳定性高；二是采用三次投影方法即可估计出相邻帧之间的姿态关系，计算速度极快。该电子稳像方法兼具高速度、高精度和鲁棒性，比当前其他稳像方法更能适应水面和近岸环境。
　　为了解决太阳环境下的水面雾气对图像质量造成的干扰，提出了一种基于多散射模型的近岸图像去雾方法。水面环境潮湿容易起雾，有时天空中存在太阳时,雾气依然会对图像的对比度和能见度造成干扰，传统的基于物理模型的方法由于无法描述太阳存在的水面雾天场景，导致对该类图像的去雾效果不好，本文提出了一种新的物理模型来对这种特殊的雾天场景进行描述，基于该模型进行去雾操作并取得了良好的效果。本方法的亮点可以概括为两点：第一点是率先提出了大气光值图的概念，并基于多散射模型对大气光值图进行估计，对于有太阳存在的雾天图像，大气光值图相比于单一的大气光值能更好得描述图像中大气光的分布；第二点是提出了一种基于梯度选择的精细化传播图估计方法，该方法在保证估计效果的前提下，大幅缩短估计时间。本文方法对于天空中存在太阳的雾天场景图像有很好的去雾效果，生成的无雾图像与已有方法的结果相比更加自然，对比度和能见度的提升也更加明显。
　　最后,为了解决无人艇近岸图像中大面积的水面和岸上无意义纹理造成的图像有用信息比例低的问题，本文提出了一种多层次边缘检测的算法框架来对图像中的景物边界进行检测。针对水面特殊环境设计出的多层次边缘检测方法，采用“串行”结构，对高斯金字塔逐层进行边缘检测并向下一层输出，最终的得到单像素宽度的边缘，有利于对景物边界的定位；同时在高层和低层采用不同的边缘检测方法，达到高层剔除无意义纹理和低层补充景物边界的目的。接下来采用格式塔的连续性法则，对检测结果中部分不连续的边缘进行连接，通过提出距离约束和方向约束来对连续性法则进行实现，有效地对间断的边缘进行了连接，得到完整的景物边界。相比其他的边缘和轮廓检测方法，本方法更不容易受到无意义纹理的干扰，检测到的景物边界也更加完整，是一种快速、有效的近岸图像景物边界检测方法。
　　本文通过研究无人艇近岸图像预处理方法，不仅有效优化了无人艇近岸图像和视频的质量，同时也为无人艇高级任务的顺利执行提供了保障。