计算机应用

作者：黄靖, 彭鑫, 李文豪, 胡凯, 王腾, 黄亚敏, 文元桥

单位：1.浙江省交通运输科学研究院 新一代人工智能技术应用交通运输行业研发中心，杭州 310023；2.武汉理工大学 计算机与人工智能学院，武汉 430070；3.智能交通系统研究中心（武汉理工大学），武汉 430070；4.国家水运安全工程技术研究中心，武汉 430063

关键词：深度学习,高质量图像生成,生成对抗网络,声呐图像处理,特征融合

基金：新一代人工智能技术应用交通运输行业研发中心开放基金资助项目(202302H);浙江省交通厅科技项目(2024006)

由于声呐图像成像原理本身的特点和复杂水下环境的干扰，水下声呐图像普遍存在分辨率不足和目标细节缺失的问题。针对这些问题，提出一种多尺度特征融合的高质量声呐图像生成方法。首先，通过残差密集连接模块（RDB）在浅层提取图像特征，以捕捉基本纹理与轮廓信息，并建立图像的空间布局；其次，设计多尺度注意力特征提取模块（MSA）自适应地聚焦不同尺度下的关键特征，并通过注意力机制在进一步增强关键特征表达的同时抑制冗余信息表达；最后，以基于谱归一化的逐像素判别策略构建判别器网络，从而提升复杂物体边缘和细节的重建能力。在水下声呐图像数据集上的实验结果表明，所提方法相较于现有代表性方法ESRGAN （Enhanced Super-Resolution Generative Adversarial Network）在峰值信噪比（PSNR）和结构相似性（SSIM）指标上分别取得了6.7%和5.4%的提升。可见，所提方法在水下声呐图像数据集上有效提升了生成效果。

来源：2025年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第12期