由于光在水下传播时会出现吸收和散射现象,导致水下图像经常会出现色偏、模糊不清等问题。质量低下的图像无法完整地表达海底场景信息,更难以满足实际应用的多样化需求。现有的大多数水下图像增强方法在校正图像色偏和去模糊两个方面难以平衡,增强后的图像依旧偏蓝绿色或较模糊。因此,研究既能校正水下图像色偏又能去模糊的方法就显得十分重要。此外,判断图像增强方法性能是否优异的关键在于图像质量评价方法,虽然目前图像质量评价方法众多,但基本上都是对单一图像进行评价。在大数据时代,图像通常以图像集的形式出现,在众多的图像增强方法中,如何高效、鲁棒地为图像集挑选出性能优异的增强方法是个颇具挑战性的难题。针对以上描述的两个重要问题,本文的主要研究内容如下:（1）使用经典的水下图像增强方法对水下图像进行增强实验,根据增强后的图像,从主观和客观两个角度对水下图像增强方法的性能进行分析。通过分析这些增强方法的优点和缺点,为本文的后续工作指明方向。（2）在单幅图像质量评价方法的基础上,提出了一种面向图像集的一致性增强质量评价准则。与平均准则相比,所提准则受特殊值影响较小,可以准确地区分增强方法是否为一致性增强方法;另外,在使用子图像集指导大图像集时,所提准则对一致性增强方法的误判率要远低于平均准则。所提准则提供了一种新的面向图像集的评价体系,可以作为平均准则的一种有效补充。（3）针对水下图像质量较为低下的情况,本文还提出了一种基于颜色校正和去模糊的水下图像增强方法。所提方法对原始图像依次进行颜色校正和去模糊处理,取得了质量递增的恢复效果。在颜色校正阶段,先对图像进行对比度增强,接着采用伽马校正来进一步优化图像的对比度和色彩。根据灰度世界先验,所提方法创新性地使用二分法的思想来计算伽马校正系数。在伽马校正完成后,进入去模糊阶段,使用暗通道先验对图像进行去模糊处理,去模糊后的图像即为最终增强图像。实验表明,基于所提方法增强后的图像在主观评价和客观评价上均展现出较好的效果,并且所提方法具备较强的泛化性,可应用于不同的水下场景。