我国海洋渔业面临新一轮的产业升级，其中海洋牧场是重要发展方向之一。使用水下相机作为视觉的延伸进入危险区域，在复杂海区代替潜水员对各种海洋生物资源进行现场实时观测具有重要的意义。水下环境中，散射是成像质量降低的主要因素之一，导致在水下环境直接拍摄的图像存在对比度低、细节丢失严重，整体图像质量不佳的问题，难以应用于实践中。基于图像处理的水下图像散射效应抑制技术取得了非常迅速的发展。然而水下环境复杂多变存在非均匀性散射：浑浊水中尺寸较大的悬浮颗粒容易造成散射辐射集中于一个方向，使得浑浊水中的图像散射强度分布不均匀；近岸海水中的彩色悬浮物如绿藻则会使不同波长的光被悬浮颗粒非均匀散射从而引发彩色散射现象，造成水下环境出现色彩偏差。当前的水下散射抑制研究工作主要以散射均匀为前提假设，因此在处理水下图像中的非均匀性散射时往往效果不佳。

针对以上问题，本文主要围绕水下非均匀性散射抑制算法展开，着重研究了基于图像处理技术来抑制浑浊水中的非均匀分布散射和近岸海水中的彩色散射的方法。论文的主要研究内容和创新点可概括如下：

1、针对以往工作未能建立模型详细阐述上述非均匀性散射的问题，1）提出利用米氏散射原理和Henyey-Greenstein（H-G）函数对大尺寸悬浮颗粒造成的散射辐射非均匀分布现象进行建模分析，使用H-G函数中与颗粒尺寸有关的参数g值来描述散射的不均匀程度，建立了颗粒尺寸与散射分布不均匀之间的数学联系；2）利用麦卡特尼模型描述了彩色散射现象在富含彩色悬浮物的水下环境中产生的过程，解释了海洋牧场水体会呈现不同颜色的原因。

2、针对彩色散射，本文提出了一种算法来改善散射噪声造成的图像色彩严重偏差和对比度降低。该算法完成了三个关键任务：1）海洋牧场中的彩色散射复杂多变，以绿色或黄色为主。本文算法无需做大的改动即可处理不同颜色的彩色散射。本文算法通过分别处理海洋牧场实地采集的受绿色散射和黄色散射影响的水下图片，证明了其抑制海洋牧场中的彩色散射的性能优于现有方法；2）针对水下图像中散射剧烈变化造成的透射率估计误差，提出基于L0范数的透射率图优化方法，该方法相比传统的引导滤波器更适用于散射噪声梯度变化较大的水下环境。

3、提出了一种基于神经网络的算法来抑制浑浊水下环境中的非均匀分布散射。该工作做出了三个主要贡献：1）通过搭建模拟环境收集整理了浑浊水环境中的含散射噪声-无散射噪声成对图像数据集，解决了数据驱动型算法因缺少数据难以应用于浑浊水下图像复原的困难； 2）引入米氏散射模型进行数理分析，推导出以暗通道先验算法为代表的传统算法抑制非均匀分布散射时产生的误差的数学表达式； 3）提出了一种基于神经网络的方法代替昂贵的硬件设备来校正上述误差，实现了在浑浊水条件下相比传统方法更好的散射噪声抑制效果。

4、本文明确了下一步发展方向为探索在高浑浊水下环境中抑制散射噪声的方法。高浑浊度水体中密集的悬浮物导致对光的吸收异常严重且伴随很高的散射噪声，造成最终到达传感器用于成像的光信号信噪比较低，需要额外手段来进行增强。本文认为宽光谱照明是一种合适的方案。所以，针对未来应用，为进一步提高成像距离、适应高浊度的水下环境，在本文的最后讨论了一种经济性较好的图像复原方案：利用近红外光在浑浊水环境中散射噪声较小的特性，基于单通道散射抑制算法和近红外、可见光图像融合算法来实现高浑浊水下环境中的图像复原。实验证明该方法具有在高浑浊水中获取清晰图像的潜力，下一步工作拟以此为基础展开。