数字图像技术的发展已经比较成熟,而且其已应用于诸多领域并取得了显著的成果,但对于水下图像处理技术的研究却鲜有成效。水下环境比陆地上要复杂的多,而且水下没有光源,水下成像系统必须依赖人造光源提供照明,光在水中传输时又会受到水的吸收、反射和散射等影响而发生严重的衰减,采集到的水下图像难免会出现可见范围有限、模糊不清、低对比度、非均匀光照、色彩不协调以及噪声等问题。而图像增强的目的就是有针对性的改善或解决以上某个或某些问题,因此,水下图像增强技术成为水下图像处理技术研究的重点内容之一。水下目标识别技术是以水下图像处理技术为基础,利用光图像实现对水下目标的识别,这是数字图像处理领域另一个重要课题。目前,虽然基于声视觉的水下目标识别技术占主导地位,但由于光视觉图像能给人们最直观、丰富的视觉感知信息,基于光视觉技术的在水域清晰、近距离作业中有着基于声视觉技术无法替代的优势。针对复杂多变的水下环境,如何准确、快速的提取感兴趣目标成为水下目标识别的关键。本文依次对水下图像增强技术与目标识别算法相关理论与方法进行了分析与研究。本论文的主要研究内容可以概括为：(1)水下图像增强与目标识别颜色空间选择研究介绍了颜色空间和双色性反射模型理论基础内容,并讨论了它们各自的特点。在水下图像增强应用中,分析比较了限制对比度自适应直方图均衡化(CLAHE)、同态滤波(HF)和小波阈值降噪(WTD)的三种传统的经典图像增强算法在HSI, HSV, YUV, YCrCb, XYZ, Lab六种经典颜色空间中对水下图像的增强效果。在基于颜色特征目标识别应用中,针对11个光照不变性颜色分量r, g, b, H, S, y, u, v, c1,c2, c3和由其组成rgb, HSy, yuv, c1c2c3, rSc2, uSb／、种彩色空间,重点讨论了它们在光照强度、目标拍摄角度以及目标与镜头的距离发生变化时对目标正确识别率的影响。这些真实实验数据与结论为颜色空间的最优选择提供可靠依据,同时亦可作为后期研究内容及工作开展的经验参考。(2)基于色调不变的水下图像增强方法研究通过分析和比较现有水下增强方法存在的不足,将同态滤波与直方图拉伸方法和HSI和HSV两种颜色空间进行有效结合,提出了基于色调H不变的水下图像增强方法。首先将图像从RGB空间转换到HSI空间后,保持色调分量H不变,对饱和度分量S和强度分量Ⅰ进行同态滤波；然后再转换到HSV空间,仍保持色调分量H不变,对S和V分量进行直方图拉伸；最后使用小波阈值降噪方法对前面两步操作过程中扩大的噪声进行降噪处理并得到最终增强图像。通过与其它几种水下图像增强算法的对比实验得出：本论文提出的方法在改善光照不均匀、平衡色彩保真度和降噪方面表现出良好的优越性。(3)基于颜色和形状特征的水下目标识别方法研究通过分析水下环境复杂性,得出基于颜色和形状特征水下目标提取与识别的优势和可行性；根据水下颜色变化模型,分析了基于颜色特征水下目标提取的原理；通过估计得到的衰减系数和目标已知颜色即可判断图像中是否存在与已知颜色相兼容的目标颜色点,进而可提取出所有目标点。由于背景区域可能存在与目标颜色相近的“兼容色”,在提取过程中容易产生误检现象,可利用二值形态学中的腐蚀运算去除小碎片和目标边界的毛刺,运用连通域检测算法去除残余的较大面积的背景噪声,膨胀运算则起到了填充目标内部的孔洞、平滑目标边界的作用。在准确提取出感兴趣目标后,经canny边缘检测算子得到目标的边缘轮廓,在形状识别方法中选用形状标记图进行目标识别。最后通过大量实验数据证实了本章提出的在复杂背景下基于颜色和形状特征的水下目标识别方法的有效性,并通过与其它两种方法的对比实验,验证了此方法在识别准确率和运行效率上有其一定的优越性。