目前基于深度学习的融合类方法在水下图像增强领域展现出较大优势，但现有方法仍存在融合方式单一、融合特征缺乏优势互补性以及易忽略水下先验等问题．为此，本文提出一种基于透射矩阵引导的水下图像融合网络．该网络由多尺度特征提取模块、自适应对比度增强模块和透射矩阵引导的融合模块组成．多尺度特征提取模块通过提取三颜色空间特征，增强失真图像色彩；另外，该模块设计的多级级联方式可实现在多尺度特征复用的同时避免编码器端失真信息传输到解码器．自适应对比度增强模块通过对比度受限直方图均衡增强水下图像对比度，并基于通道注意力机制实现自适应对比度增强．透射矩阵引导的融合模块通过衡量输入特征和参考图像透射矩阵之间的距离，引导融合特征逼近参考图像．同时，本文设计了一种多级级联损失，实现更准确的特征增强．实验结果表明，所提算法通过合理引入先验，实现融合特征优势互补，可显著增强图像视觉质量，具有较强的泛化能力，在Test-R90数据集上测试取得峰值信噪比为19.37 dB，优于目前主流方法．