为提高水下激光图像的质量，改进了生成对抗网络的生成网络，使其成为一种包含跳跃结构和空洞卷积的深度卷积神经网络。利用该网络从自建数据集中学习待修复图像到目标图像的端到端映射参数，再对带有强后向散射光的水下激光图像进行修复。实验结果表明，所提方法能够快速对后向散射光区域进行填充修复，相比传统去噪和增强对比度方法联合处理的结果，所提方法的峰值信噪比平均提高了9.10 dB，特征相似度平均提高了0.11，实现了水下激光图像的去噪、对比度增强和非均匀性照明改善，较好地去除了后向散射光。