摘要

我们提出了一种基于深度残差网络的生成模型，用于自主水下机器人在水下影像单图像超分辨率（Single Image Super-Resolution, SISR）任务中的应用。同时，我们设计了一种对抗性训练流程，以实现从配对数据中学习SISR。为监督训练过程，我们构建了一个目标函数，该函数基于图像的全局内容、色彩特征以及局部风格信息，对图像的感知质量进行评估。此外，我们发布了USR-248——一个大规模水下图像数据集，包含三组不同空间分辨率的水下图像，分别为“高分辨率”（640×480）与“低分辨率”（80×60、160×120、320×240）。USR-248提供了用于监督训练2倍、4倍或8倍超分辨率模型的配对图像实例。通过定性与定量实验，我们验证了所提出模型的有效性，并将其性能与多个当前最先进的模型进行了对比分析。此外，我们还评估了该模型在复杂噪声视觉条件下实际应用的可行性，特别是在场景理解与注意力建模等任务中的表现。