与空气中的成像情况相比,水下成像在扩展范围上具有重大挑战。即使在最清澈的海洋水域,最佳的可见度范围也只有几十米的数量级,而在最佳条件下,空气中的能见度是英里数量级。介质的吸收和散射是可见度范围显著减小的主要原因。介质是水本身和其内部成分,例如各种来源的颗粒,包括藻类细胞,碎屑,沉积物,浮游生物,甚至表面附近的气泡。除了充分研究的粒子反向散射的影响之外,由于温度和盐度的小尺度变化,水下光信号传输可能受到折射率的变化的限制。海洋湍流导致折射率的变化可导致水下光学目标的模糊,特别导致高频部分减少,因此减少目标细节。论文首先分析了海洋湍流对水下光学成像的影响,由于目前针对水下湍流模型的研究还很少的现状,基于大气湍流Kolmogorov模型,考虑了由于水体运动造成的湍流导致的水体温度和盐度的变化对成像系统的影响,建立了水下湍流模型。通过对水下清晰图像做湍流模糊劣化模拟,建立水下湍流模糊图像数据库;其次,在建立的水下主观湍流模糊数据库的基础上,提出了基于支持向量机的客观水下模糊图像失真度评测方法。提取了多个图像统计特征用以反映图像模糊程度。利用支持向量机的学习能力,对提取的一系列特征进行学习,并对图像进行质量预测;最后,针对水下湍流模糊劣化图像,提出了基于水下湍流模型的复原算法以及基于图像融合的复原算法。