Debido a los efectos de absorción y dispersión de la luz en los cuerpos de agua y a la no uniformidad e insuficiencia de la iluminación artificial, las imágenes submarinas a menudo presentan diversos problemas de degradación, lo que impacta su utilidad en aplicaciones submarinas. En este artículo, proponemos un método de simulación de imágenes submarinas basado en modelos y un método de mejora de imágenes submarinas basado en el aprendizaje para hacer frente a varios problemas de degradación en imágenes submarinas. Primero derivamos un modelo simplificado para describir diversos problemas de degradación en imágenes submarinas, luego proponemos un método de simulación de imágenes basado en modelos que puede generar imágenes con una amplia gama de valores de parámetros. El método de simulación de imágenes propuesto también incluye una parte de selección de imágenes, que ayuda a podar el conjunto de datos de simulación para que pueda servir como un conjunto de entrenamiento para aprender a mejorar las imágenes submarinas objetivo. Posteriormente, proponemos una red neuronal convolucional basada en la arquitectura de codificador-decodificador para aprender a mejorar diversas imágenes submarinas a partir de las imágenes simuladas. Los experimentos con imágenes submarinas simuladas y reales con diferentes problemas de degradación demuestran la efectividad del método propuesto de simulación y mejora de imágenes submarinas, y revelan las ventajas del método propuesto en comparación con muchos métodos de última generación.