随着水路运输的快速发展和海洋开发利用力度加大,水上交通安全风险和监管压力显著增加。无人机作为一种灵活的自动化作业平台,已被广泛应用于海事智能监管和水上应急搜救等领域。但在低照度等不良成像环境下,无人机机载成像设备采集的视觉数据往往存在可见度低、对比度下降的问题,不利于后续视觉导航、水上目标检测、识别与跟踪等任务的执行,难以满足智能监管与智能航运的发展需求。传统的低照度图像增强方法普遍存在鲁棒性弱和计算速度慢等问题,无法在海事无人机机载成像设备中高效部署与应用。围绕以上问题,本文结合计算机视觉与人工智能技术研究水上低照度图像增强方法,以提升海事监管和应急搜救的智能化水平。全文的主要工作内容和成果如下:（1）构建了水上低照度图像增强的局部生成式对抗网络模型。针对低照度成像环境下海事无人机航拍图像的特点,本文在分析图像结构特征的基础上,融合多尺度特征提取网络、注意力机制、混合损失函数和局部判别器结构,构建了基于局部生成式对抗网络的水上低照度图像增强模型,以达到减少目标细节丢失,提高图像视觉感知质量的目的。（2）提出了适用于机载计算机的轻量级水上低照度图像增强模型。针对无人机机载计算机存储内存和计算能力有限的问题,为满足低照度成像环境下视频图像的实时增强需求,本文利用模型压缩和优化等策略,构建用于机载低照度图像增强的轻量级生成式对抗网络模型,在显著降低网络模型参数量的同时,可确保低照度图像增强的视觉效果。（3）搭建了基于轻量化网络模型的机载视觉感知增强平台。针对海事智能监管和水上应急搜救等领域对低照度图像实时增强的应用需求,本文构建了低照度成像环境下基于海事无人机的视觉感知增强平台,并对轻量化图像增强模型的稳定性和有效性进行了验证,进而提高了低照度成像环境下的水上目标检测精度。本文针对低照度成像环境下海事无人机视觉质量退化的问题,首先提出了基于局部生成式对抗网络的视觉感知增强模型,该模型可有效提高机载成像设备的低照度图像增强效果;为满足真实场景对实时增强低照度图像的应用需求,构建了可用于低照度图像实时增强的轻量级生成式对抗网络;进一步搭建了基于无人机的视觉感知与海事监管平台,验证了低照度图像增强模型的有效性,并有效提升了低照度成像环境下水上目标智能检测的精度。