光电探测是水下目标近距离探测时不可缺少的技术手段。水下光学图像具有低信噪比和对比度、照明不均匀等特点，使得光电探测在水下应用时效果不佳。常见的水下光学图像处理方法是对图像进行背景前景分割。目前主要有2种分割方法，传统分割方法易受光照、噪声等因素影响，效果不佳；深度学习方法易受训练数据限制，泛化能力不强。设计了一个带并行卷积的神经网络结构以及带约束的损失函数，通过大量实验获得了损失函数的超参数最优取值，并在不同照明条件、不同浑浊度、光照不均匀的条件下进行了实验分析。结果表明：该方法实验所获的MAE值远小于FCN8，UNet等方法，mIoU值大于FCN8，Unet等方法，P-R曲线优于其他方法的P-R曲线，更加适应水下环境复杂多变的特点，可获得更好的目标分割结果。
