水下珊瑚礁鱼类图像的监控影像包含有大量的珊瑚礁鱼类种类以及其活动情况,例如出现位置,种类,数量等因素,这些监控影像可以作为海洋生态系统和生物多样性检测的素材。针对于水下珊瑚礁鱼类图像的超分辨率重建与检测有助于海洋生物学家了解自然水下环境,研究不同海洋生物的行为以及它们之间的相互作用,综上所述对于珊瑚礁鱼类影像数据的分析和研究是至关重要的。随着水下视频监控方案的提出,海洋生物学家可以低成本的获得大量珊瑚礁水域的监测影像。然而,由于水下环境拍摄的困难,以及摄像机在水下拍摄照片时受水流和光照等因素的影响,虽然水下监控影像的持续大量产生,但是获得的珊瑚礁鱼类图像并不能够达到人类所能欣赏的程度,且对海洋生物学家分析和研究海洋生物及海底生态都有恶劣的影响,所以亟需改善海洋珊瑚礁鱼类图像或者视频的质量,并给出有效的方法自动检测和识别珊瑚礁鱼类位置和种类,帮助海洋学家更有效地监督和研究海洋生物和海洋生态。目前,针对于水下监控影像的超分辨率重建方法研究较少,珊瑚礁鱼类图像超分辨率重建结果质量有待提高,以及更加精确的获得视频中珊瑚礁鱼类所在位置和种类。本文针对以上两个问题的主要工作和成果如下:首先,本文提出了一种基于分步扩张策略的单帧珊瑚礁鱼类图像高分辨率重建方法,来提高珊瑚礁鱼类图像超分辨率重建的有效性。该方法将珊瑚礁鱼类图像的浅层细节信息和深层语义信息相结合,以增强超分辨率重建模型的特征重用,并采用多步扩张的方式,更好的学习每次超分辨率扩张时所需要的学习信息。最终重建结果在单帧图像超分辨率上PSNR平均达到34,比直接双线性插值提升5个点左右,比原始的超分辨率重建网络提升2个点左右,同时最终生成的重建图像结果具有更多的细节信息。其次,本文提出了一种端到端的基于目标检测的珊瑚礁鱼类图像超分辨率重建与检测框架。已有的基于单帧珊瑚礁鱼类图像超分辨率重建方法没有有效利用相邻帧之间的图像细节相关性。因此,本文给出了一种端到端的结合生成对抗网络与目标检测网络的超分辨率重建图像框架,在基于目标检测的珊瑚礁鱼类图像超分辨率重建结果,同时产生图像更加关注鱼类目标细节。实验结果表明:基于多帧的珊瑚礁鱼类超分辨率方法能够有效地提升重建图像的质量,图像的感知指数能够明显降低,生成了更加符合人类视觉感官的超分辨率重建图像;并且,基于目标检测的超分辨率重建方法还能够提升珊瑚礁鱼类图像检测准确度,针对于原始的珊瑚礁鱼类分辨率检测结果而言,最终的检测MAP结果能够提升5%左右。