随着地球环境的恶化,陆地资源逐渐被开采殆尽,许多国家将资源战略投入大海。于是,发展海洋装备是各国的当务之急。水面无人艇(Unmanned Surface Vehicles,USV)是其重要的组成部分,在军事上和民事上都发挥着重要作用。越来越多的科研工作者参与相关的技术研究。其中,无人艇的环境感知是重要的研究方向。针对可见光的感知方式易受到天气影响的问题,本文根据晴天、雾天和雨天三种天气,分别提出针对性的水天场景图像增强方法。首先,针对晴天天气,水面由于受强光照射发生镜面反射而产生高光区域,导致图像退化。由于传统的高光去除方法无法适用水天场景,本文提出基于决策树的高光区域检测和改进的Criminisi修复算法。首先,通过提取高亮区域的颜色特征、局部结构特征和位置特征,利用EasyEnsemble方式训练分类决策树,进而得到水面待修复区域;接下来,根据水面特点提出改进的Criminisi修复算法对高光区域进行补偿。经实验证明,该方法抗干扰性强,去除后的图像更加自然。然后,针对雾天天气,由于受到雾气影响,导致图像退化。针对传统的去雾方法无法消除天空效应和水面纹理退化等问题,本文提出基于局部梯度增强的去雾方法。首先,通过改进的四叉树搜索方法得到准确的大气光A,然后根据雾化图像梯度退化和天空效应的特点,推导出局部梯度最优化模型,通过求解该优化问题得到粗透射率,接下来,利用引导滤波方法得到细透射率,最后根据大气散射模型得到无雾图像。经实验证明,该方法实用性强,解决了天空效应和图像纹理退化问题。接下来,针对雨天天气,由于受到雨滴影响,造成图像退化。针对传统的去雨方法无法去除雨雾的问题,本文提出基于生成对抗网络的图像去雨方法。首先,介绍生成对抗网络的发展和工作原理,接下来,提出本文的去雨网络DR-GAN:生成器G采用多任务回归网络,使雨图的小波子图和暗通道子图分别回归到真实无雨图的小波子图和暗通道子图;判别器D采用二分类网络用来区分生成器G生成的图像和真实无雨图像。经实验证明,该方法增强效果好,解决了雨天图像中存在雾的情况,进一步提升图像对比度。最后,提出天气分类模型和分析水天图像增强对目标检测任务的影响。首先,提出天气自动分类模型和其所使用的数据集。接下来,分析水天图像去高光,水天图像去雾,水天图像去雨对水面目标检测任务的影响。最后,经实验证明,图像增强能够提升水面目标检测的准确率,同时与其他增强方法对比,本文的方法提升更为明显。