Transformer与CNN并行引导的水下图像增强

来源：计算机工程与应用杂志2024年第4期北京时间：

作者：常戬, 陈洪福, 王冰冰

单位：辽宁工程技术大学 软件学院，辽宁 葫芦岛 125105

摘要：为克服水下图像对比度低和色偏的问题，提出了基于Transformer与CNN并行引导的水下图像增强算法。利用3D位置嵌入模型为Transformer提供相对位置信息、色偏信息和特征图的全局特征，利用CNN编码器提取图像局部特征，将Transformer提取的全局特征和CNN提取的局部特征通过特征调制矩阵整合在一起，通过CNN解码器提高图像的分辨率，将解码器输出的特征图输入到特征加强网络中，由特征加强网络输出最终结果。采用现有的EUVP配对数据集进行训练，为验证该算法的优越性，选取具有不同程度色偏的水下图像进行定性比较和定量实验，结果显示，该算法增强后的水下图像峰值信噪比指标（peak signal-to-noise ratio,PSNR）和结构相似性指标（structural similarity index measure，SSIM）均高于其他对比算法，主观质量也得到显著提高，能够产生颜色丰富且清晰度较高的增强图像。

关键词：水下图像增强,Transformer,卷积神经网络（CNN）,3D位置嵌入模型,特征调制矩阵