La tecnología de visión submarina es de gran importancia en la investigación marina. Sin embargo, el complejo entorno submarino conlleva algunos problemas, como la desviación del color y el alto ruido. Por lo tanto, la mejora de imágenes submarinas ha sido un foco de atención de la comunidad de investigación. En este documento, se propone un nuevo método de mejora de imágenes submarinas basado en una red generativa adversarial (GAN). Incorporamos el mecanismo de atención de canal en U-Net para mejorar el rendimiento de utilización de características de la red y utilizamos el generador para estimar los parámetros del modelo físico submarino simplificado. Al mismo tiempo, se fusionaron la pérdida adversarial, la pérdida perceptual y la pérdida global para entrenar el modelo. La efectividad del método propuesto se verificó utilizando cuatro métricas de evaluación de imágenes en dos conjuntos de datos de imágenes submarinas disponibles públicamente. Además, comparamos el método propuesto con algunos algoritmos avanzados de mejora de imágenes submarinas bajo las mismas condiciones experimentales. Los resultados experimentales mostraron que el método propuesto demostró superioridad en términos de corrección de color de imagen y supresión de ruido de imagen. Además, el método propuesto fue competitivo en velocidad de procesamiento en tiempo real.