Las redes neuronales convolucionales (CNNs) se emplean para lograr el equilibrio de color y la eliminación de neblina de imágenes submarinas degradadas. En el módulo de equilibrio de color, se construye una red generativa adversarial submarina (UGAN). Se aprende la relación de mapeo entre imágenes submarinas con desviación de color e imágenes submarinas limpias. En el módulo de mejora de claridad, se propone un modelo de eliminación de neblina todo en uno en el que se introduce un índice integral y se estima mediante CNN profunda. El tercer módulo para mejorar las imágenes submarinas adopta un método de mejora de contraste adaptativo mediante la fusión de información de histograma global y local. Combinado con varios conjuntos de datos de imágenes submarinas, se evalúa el método de mejora propuesto basado en los tres módulos, tanto por efectos visuales subjetivos como por métricas de evaluación cuantitativas. Para demostrar las ventajas del método propuesto, se comparan varios algoritmos comunes de mejora de imágenes submarinas. Los resultados de la comparación indican que el método propuesto obtiene mejores efectos de mejora para imágenes submarinas en diferentes escenas que los otros algoritmos de mejora, ya que puede disminuir significativamente la desviación de color, el desenfoque y el bajo contraste en imágenes submarinas degradadas.