基于卷积神经网络的颜色修正水下图像增强方法

来源：计算机技术与发展杂志2024年第08期北京时间：

作者：沈学利;关刘美;翟宇琦

摘要：在水下环境中,由于光线的吸收和散射等环境问题,使得图像的颜色失真和对比度低,导致图像质量下降。 为了提高图像的视觉效果,提出了一种基于卷积神经网络的水下图像增强算法。 首先,利用新的水下成像模型校正水下图像的色偏问题;然后,利用卷积神经网络提取修正后的图像通道特征,通过多尺度注意力模块重新加权通道特征以增强不同特征图的一致性,并与颜色校正后的图像进行特征融合;最后,通过重建计算模块融合特征,改进图像增强效果。 实验结果表明,该算法能够更好地校正图像颜色失真,提高图像对比度,最主要的优势在于该算法的运行速度比其他先进的水下图像增强方法快两倍。

关键词：卷积神经网络;颜色校正;水下图像增强;轻量化;注意力特征融合