为了解决水下退化图像出现的色彩偏差等问题，提出一种基于稠密级联卷积神经网络的水下图像增强算法。首先将退化的水下图像从传统的红、绿、蓝（RGB）颜色空间转换到色调、饱和度、亮度（HSV）颜色空间，保持色调分量和亮度分量不变，利用级联卷积神经网络对饱和度分量增强。然后在特征提取网络编解码过程中引入了新的稠密块。稠密块将残差连接、跳跃连接和多尺度卷积结合起来，纠正颜色失真。纹理细化网络是利用了6个纹理细化单元对所得到的细化图像进一步提取特征信息。最后将通过级联卷积神经网络进行提取的S通道图与H、V通道图进行合并，得到增强的水下图像。实验结果表明，提出算法增强的水下图像的水下彩色图像质量评价平均可达到0.616875，水下图像质量测量平均可达到5.197000。对比算法表明，提出的水下图像增强算法不仅增强效果良好，且增强的结果更符合人类视觉习惯。