1.一种自适应图像增强的水下视觉SLAM系统的实现方法，其特征在于，具体实现步骤如下：步骤1、数据采集和预处理；

步骤2、基于AquaVisNet模型的水下低光照环境图像和水下浑浊环境图像的识别；

若识别结果为低光照环境，则进行步骤3基于CLAHE的水下低光照环境下图像的增强；

若识别结果为浑浊环境，则进行步骤4基于暗通道先验原理的水下浑浊环境图像的增强；若识别结果为低光照环境与浑浊环境同时存在，则同时进行步骤3基于CLAHE的水下低光照环境下图像的增强和步骤4基于暗通道先验原理的水下浑浊环境图像的增强；

步骤3、基于CLAHE的水下低光照环境图像的增强；

步骤4、基于暗通道先验原理的水下浑浊环境图像的增强；

步骤3包含以下步骤：

3‑1.将水下低光照环境图像分离为B、G和R三个通道；每个通道的图像分割为大小一致的原始局部图像块，以便对每个原始局部图像块进行独立处理；

3‑2.计算每个原始局部图像块灰度直方图 ，其中 表示出现的灰度级；

3‑3.计算每个灰度级所分配的平均像素个数 ：；

其中， 表示原始局部图像块在水平方向上的像素个数； 表示垂直方向的像素个数； 表示原始局部图像块中灰度级的个数；

3‑4.根据灰度直方图 的分布情况，设置灰度直方图的限定阈值 ；在低光照水下环境，限定阈值 用于动态适应光照变化和对比度不足；

；

其中， 是水下低光照环境图像对应的灰度直方图的剪切限制系数；

3‑5.根据每个原始局部图像块对应的限定阈值 ，对原始局部图像块的灰度直方图中超过限定阈值 部分进行剪切，并将剪切部分均匀分配给各个灰度级；在一轮分配后，原始局部图像块的灰度直方图会上升一个高度，此时再次超过限定阈值 ，因此重复上述剪切操作，直至灰度直方图不再超过限定阈值 ；

3‑6.基于完成剪切后的灰度直方图，对每个原始局部图像块进行直方图均衡化处理；

3‑7.根据原始局部图像块所处位置，对原始局部图像块的每个像素进行双线性插值法处理，进行像素灰度值重构；将增强后的B、G和R通道图像重新合并为增强后的彩色图像；

步骤4具体实现如下：

4‑1.定义水下浑浊图像模型为：

；

其中： 为原始水下浑浊图像； 是经过DCP‑UTI算法增强后的清晰图像； 是水下环境中的背景光值成分； 代表水下透射率，即光线透过水下环境的程度；

4‑2.对水下浑浊图像模型进行归一化，两边同时除以每个通道的水下环境背景光值，得：；

其中，表示B、G和R通道；假设水下环境背景光值 为已知量， 水下透射率为常数，将其定义为 ，对上式两边两次最小化运算，得：；

由于清晰图像 的水下暗通道趋于0，即：  ，因此：；

其中， 取某窗口内RGB值的最小值，作为对应暗通道像素值；其中， 表示暗通道像素值， 表示图像某一通道像素值； 表示图像中一个中心位于 点的一个窗口，这个窗口的中心位于 点； 表示 点位于窗口内； 表示取这窗口内，某点 处像素值最小值；c指RGB任意一个通道；  指从RBG通道中取最小值；

推出：

；

代回式（5），得到：

；

为防止水下图像清晰太过彻底，恢复出的景物不自然，引入水下去浑浊限制参数 ，得：；

考虑到当水下透射率 值很小时，会导致 值偏大，使整张图向白场过度，故设置一个阈值 ，当 时，令 ；将以上求得的水下透射率和水下环境中的背景光值代入公式，最终整理得到水下浑浊图像的恢复公式如下：。

2.如权利要求1所述的一种自适应图像增强的水下视觉SLAM系统的实现方法，其特征在于，步骤1所述的数据采集和预处理具体如下：搭建一个模拟海洋环境的水池实验系统，该水池实验系统由水池、一台Blue ROV2、人造珊瑚群组成；将不同品种的人造珊瑚随机排列构成人造珊瑚群模拟珊瑚群在海洋的状态；通过驱动Blue ROV2采集水下环境数据集，水下环境数据集包括正常图像、水下低光照环境图像、水下浑浊环境图像、水下低光照与浑浊共存的环境图像。

3.如权利要求1所述的一种自适应图像增强的水下视觉SLAM系统的实现方法，其特征在于，步骤2具体如下：AquaVisNet模型的搭建，该模型共七层，包括：2个卷积层、2个池化层、1个Flatten层和

2个全连接层；

第一层卷积层具有32个大小为3×3的滤波器和ReLU激活函数，此图层接收大小为128×128像素的图像，具有3个通道；

第二层池化层使用2×2的池化窗口来降采样前一层的输出；

第三层卷积层具有64个大小为3×3的滤波器和ReLU激活函数；

第四层池化层使用2×2的池化窗口进一步缩小输入张量；

第五层Flatten层将特征图从多维形状展开成一维特征向量，以供全连接层使用；

第六层全连接层具有64个神经元节点，并使用ReLU激活函数；

最后一层全连接层包括4个神经元，对应模型的输出类别数量，用softmax激活函数将模型的输出转换为4个输出类别的概率值，用于识别不同的水下环境。

4.如权利要求1所述的一种自适应图像增强的水下视觉SLAM系统的实现方法，其特征在于，背景光值 借助水下暗通道图从原始水下浑浊图像中求取；具体步骤如下：先求取水下暗通道图，并按照亮度大小提取最亮的前0.1%像素；在原始水下浑浊图像 中找对应位置上具有最高亮度点的值，作为水下环境中的背景光值 。

5.如权利要求1所述的一种自适应图像增强的水下视觉SLAM系统的实现方法,其特征在于，该系统包括低光照和浑浊环境识别模块、低光照图像增强模块、浑浊环境图像增强模块、图像增强处理模块；

所述的低光照和浑浊环境识别模块，通过基于AquaVisNet模型的水下低光照和浑浊环境识别算法实现；所述的低光照图像增强模块，通过基于CLAHE的水下低光照环境下图像增强算法实现；所述的浑浊环境图像增强模块，通过基于暗通道先验原理的水下浑浊环境图像增强算法实现；所述的图像增强处理模块，通过基于串并行融合的图像增强处理策略实现。