水下激光成像技术在水下目标探测领域拥有广阔前景。由于水体对激光的吸收和后向散射作用,使得水下激光图像存在严重的后向散射光和非均匀性照明现象,且具有低信噪比和低对比度的特点。为提高水下激光图像的质量,本文改进生成对抗网络的生成网络,使其成为一种包含跳跃结构和空洞卷积的深度卷积神经网络,利用该网络从自建数据集中学习待修复图像到目标图像的端到端映射参数,再对带有强后向散射光的水下激光图像进行修复。实验结果表明,本文方法能够快速对后向散射光区域进行填充修复,相比传统去噪和增强对比度方法联合处理的结果,本文方法的峰值信噪比(Peak signal to noise ratio,PSNR)平均提高9.10dB,特征相似度(Feature similarity,FSIM)平均提高0.11,实现水下激光图像的去噪、对比度增强和改善非均匀性照明问题,并且很好的去除了后向散射光。