随着人们对于海洋资源的探索和利用的深入,水下图像、视频的通信技术作为水下探测监控领域的关键技术越来越受到人们的重视。而作为当前能实现水下中远距离通信的主要通信信道,水下声信道却由于其时变的特性,有限的带宽,巨大的时延等问题严重制约着水下数据的高效通信。对于数据量较大的水下图像和视频这类信息,这些问题尤为凸显。为此,本文结合水下自适应技术和强化学习的技术,针对水下图像和视频分别进行研究、设计系统,提出了两种能够大幅提升水下通信性能的算法。本论文的主要研究内容如下:针对于水下图像通信:1、提出了一种基于强化学习的高效水下图像声通信算法,可以在提高图像传输的质量的同时降低传输的能量消耗和时间延迟。算法将接收到的通信状态参数在接收端处连续估计,然后通过独立信道将其反馈给发送端。发送端利用强化学习算法处理所获得的反馈信息,自适应地选择最合适的调制编码方法,以实现高效的水下图像通信。设计了实验与传统的水下自适应算法对比,基于强化学习的算法可以在收敛后获得巨大的性能提升。2、设计了一种基于水印的图像质量评价方法,利用反馈获得图像在传输过程中的质量评价。该方法可以在有限增加信道带宽的前提下,获得较为准确的图像分块的质量,并将其作为强化学习回报计算的参数。在实验中与未考虑图像质量的强化学习算法对比,考虑图像质量的设计可以大幅提升接收图像的质量。针对于水下视频通信:1、对视频和图像在水下传输中的不同特点进行分析,在水下图像的系统基础上进行改进,提出了能够依据水下信道状态自适应调节视频码率和传输数据调制编码方式的水下视频通信算法。在无需具体水下信道模型的情况下实现动态博弈中的最优化调制和编码方式、视频压缩码率的决策。通过从大量的水池实验中采集数据进行算法仿真,证明该算法可以有效降低视频通信的解帧失败率,提升在带宽受限情况下的视频质量,降低视频传输的时间和能量消耗。2、定义了描述水下视频通信的状态参数,包括帧质量、能耗比、时延比和丢帧率。对H.265视频编码结构进行了研究,设计了在保持H.265编码压缩率的条件下,对H.265视频进行有效分割、传输,并在接收端按序解析反馈的分割方案。采用SSEQ无参质量评价方法对每个有效帧予以质量评价,以获取帧质量参数。结合其他的参数定义奖励函数,采用深度强化学习进行自适应的设计。在仿真实验中与Q learning算法对比,深度强化学习算法在收敛速度和性能表现上都更优。