本发明涉及图像处理技术领域，具体涉及一种基于深度学习的水下图像增强方法及装置。

水下图像由于受到水体对光的吸收与散射影响，普遍存在颜色失真、对比度低、清晰度差等问题。现有方法包括基于物理模型与基于学习的方法，但前者依赖手工参数、泛化能力差，后者多采用单一损失函数，难以兼顾颜色还原与细节增强。

本发明所要解决的技术问题是：如何同时实现水下图像的颜色校正与对比度增强，并在不同采集深度下保持稳定的处理质量。为解决上述技术问题，本发明提供一种基于深度学习的水下图像增强方法，通过自适应特征提取模块进行多尺度特征提取，并输入包含颜色校正子网络与对比度增强子网络的增强网络模型，两子网络共享底层卷积权重并通过加权融合损失函数联合优化。

1）双子网络共享权重并联合优化，同时实现颜色校正与对比度增强，避免传统两阶段方法的误差累积；2）引入深度自适应色温补偿，提升不同水深条件下的泛化能力；3）多尺度特征提取兼顾全局色调与局部细节，实施例显示 PSNR 平均提升约 3.8 dB。