由于水中悬浮物的散射以及水体对光的吸收，水下图像有严重的色偏、雾化以及模糊现象。针对现有基于深度学习的水下图像增强算法使用单一的卷积和上下采样方式，导致图像特征提取不充分的问题，本文构建了基于多尺度特征提取的下采样模块、上采样模块和特征提取模块，并在此基础上提出了一个基于多尺度特征提取块级联（MS-FEBC）的水下图像增强网络框架。为进一步提高网络的特征提取能力，在网络高维特征空间中添加了CBAM注意力机制。实验结果表明，与现有算法相比，本文算法有效解决了水下图像存在色偏、雾化和细节丢失等质量较低的问题，在4种客观评价指标上均有显著提升，对图像SIFT特征点检测和Canny边缘检测视觉任务的性能有明显提高。