La observación del océano es el primer paso en el desarrollo del océano, cuyos abundantes recursos y significado estratégico están atrayendo cada vez más atención. Los métodos de observación basados en redes de sensores visuales han recibido gran atención por parte de los investigadores debido a su capacidad de visualización y alta capacidad de información. Sin embargo, debajo de la superficie del mar, factores objetivos como la borrosidad, la turbulencia y la distorsión del color bajo el agua pueden causar distorsión de la imagen y afectar la adquisición de imágenes. En este documento, se aborda la mejora de las imágenes submarinas utilizando un enfoque basado en aprendizaje adversarial. Primero, se aplica un preprocesamiento para abordar la distorsión significativa del color en el conjunto de datos, mejorando así el aprendizaje de características para la transferencia de estilo subsiguiente. Luego, se realizan mejoras correspondientes en la estructura y funciones de pérdida de una red generativa adversarial para restaurar mejor las características de la salida de la red. Finalmente, se realizan evaluaciones y comparaciones utilizando métricas de evaluación de calidad de imagen submarina y varios conjuntos de datos públicos. A través de experimentos multidimensionales, se muestra que el algoritmo propuesto exhibe un rendimiento excelente tanto en métricas de evaluación subjetivas como objetivas en comparación con algoritmos de última generación, así como en aplicaciones visuales prácticas.