摘要
水下视觉技术是实现智能水下机器人系统"感知与交互"能力的核心基础；然而，其性能受到图像退化的严重制约。本文对过去十年水下视觉领域的研究成果进行了叙述性综述，涵盖了机制、方法、数据和应用方面的研究思路。首先，我们分析了水下图像退化的物理模型，阐述了其成因。在此基础上，本文重点回顾了人工智能在水下图像增强与复原方面的算法贡献，总结了UIEB、EUVP等多个主流数据集，以及图像质量评价指标。此外，通过多基准实验，我们从图像质量、退化鲁棒性、计算效率和下游视觉任务等方面对比了代表性方法。实验结果表明，不同方法的性能因数据集、评价指标和退化条件的不同而有所差异，且在不同评价指标下的性能排名各不相同。最后，本文讨论了关键挑战，例如客观评价与主观感知之间的差异、模型的鲁棒性及环境适应性，并提出了未来研究方向，以期为水下图像增强与复原技术的发展及任务导向型评估提供参考。
