水下机器人是进行深海工作的重要装备，在海洋开发中具有不可替代的作用。自主式水下机器人在进行水下作业时，通过光视觉系统获取清晰的水下图像和精准的目标物类别信息，能够帮助机械手针对不同形状类别的目标物选择不同抓取部位，提高作业效率。因此研究基于光视觉的水下图像复原和目标分类方法，对提高水下机器人自主作业能力具有重要的理论研究意义和实际应用价值。　　围绕水下机器人自主作业中的目标物分类问题，本文研究水下图像复原方法和目标分类方法，在目标分类方法中，主要研究词袋模型中视觉词典的创建及其空间位置信息的创建，为水下机器人提供准确的目标物类别信息。　　在水下图像复原方法研究中，本文主要研究在自然光和照明灯两种条件下，由光的散射作用造成的模糊图像复原问题。本文在分析基于散射分层传输模型的基础上，在对由光的散射作用引起的模糊图像复原时，针对由功率谱求出的参数值在处理照明灯条件下的退化图像时，不能直接得到最优复原效果的问题，本文改进基于散射模型的水下图像复原方法，引入清晰度评价函数，在初始值附近寻求能得到最高清晰度评价的最优参数值，从而实现两种光照条件下由光的散射作用造成的模糊图像复原问题和最优参数的鉴别，并通过实验验证本文算法有效性。　　在基于词袋模型的视觉词典创建方法研究中，针对传统词袋模型在水下图像出现目标物边缘模糊以及噪声点多时分类准确率下降严重的问题，本文提出一种基于轮廓片段的词袋模型视觉词典创建方法，将形状轮廓分解为分辨率不同的轮廓片段作为视觉单词，提高分类准确率。针对使用最大相关-最小冗余准则剔除视觉词典中的冗余单词时，由于准则中两个性质使用先后顺序不同导致分类结果不稳定的问题，本文提出一种基于加权的最大相关-最小冗余准则平衡两个性质的关系，获得稳定高效的分类结果。并通过对比实验验证本文改进算法的分类准确率高于传统词袋模型。　　在具有空间位置信息的词袋模型研究中，针对词袋模型在处理简单形状类别目标物的分类问题时，由于轮廓片段间的相对空间位置信息缺失造成的分类准确率低的问题，本文研究两种加入空间信息的方法：一种是针对空间金字塔模型对目标物位姿和大小变化敏感的问题，本文提出一种改进算法，用局部约束线性编码和池化处理相结合的方法表述空间位置信息；另一种是针对基于相对空间位置信息的描述方法中，由于二元单词相互组合造成的分类准确率不增反降的问题，本文提出将具有近邻关系的轮廓片段表示成视觉短语的方法提高分类准确率，并针对由于不同类别的图像形状复杂程度不同，而造成的轮廓片段自身信息与空间位置信息对图像分类的贡献程度不相同的问题，本文定义一个权重值来平衡两者的重要程度，提高分类准确率。并通过实验验证本文两种改进算法能够获得更高的分类准确率。