融合域迁移和注意力机制的水下图像增强.pdfVIP

第33卷第2期光学精密工程Vol.33No.2

2025年1月OpticsandPrecisionEngineeringJan.2025

文章编号1004-924X（2025）02-0298-13

融合域迁移和注意力机制的水下图像增强

*

姚婷婷，冯子豪，肇恒鑫

（大连海事大学信息科学技术学院，辽宁大连116026）

摘要：水下环境存在复杂的光线衰减和散射现象，使得成像设备拍摄到的原始图像存在明显的质量退化问题。基于深度

学习的水下图像增强方法在一定程度上提高了原始图像成像质量，但现有方法大多使用人工合成或模型生成的配对数

据集进行训练。由于训练样本与真实图像在数据分布上存在较大域差，因此容易出现过度增强、色偏去除不明显等现

象。针对上述问题，该文提出了融合域迁移和注意力机制的水下图像增强模型。首先，设计了域迁移图像生成网络，结

合物理成像模型和水型分类器，学习不同场景下不同域图像间的特征描述映射关系，减小生成图像与真实图像之间的差

异性。然后，设计了多尺度混合注意力编解码网络，通过引入高效的特征连接和注意力融合机制，提高了网络对图像局

部细节区域的增强能力。最后，提出了全局域关联一致性损失函数，通过构建域迁移过程中各阶段生成图像的内容和结

构一致性关联，更好地训练网络模型参数，提高图像增强质量。所提模型在水下真实数据集UIEB和EUVP上UIQM和

UCIQE指标分别取得了3.1401，0.6021和3.0768，0.6124的精度。实验结果表明，模型可以有效提高水下图像的增

强质量，色彩恢复更自然，细节增强效果更显著。

关键词：水下图像增强；域迁移；生成对抗网络；注意力增强

中图分类号：TP391文献标识码：A

doi：10.37188/OPE..0298CSTR：32169.14.OPE..0298

Underwaterimageenhancementbyintegratingdomain

transferandattentionmechanisms

*

YAOTingting，FENGZihao，ZHAOHengxin

（InformationScienceandTechnologyCollege，DalianMaritimeUniversity，Dalian116026，China）

*Correspondingauthor，E-mail：ytt1030@dlmu.edu.cn

Abstract：Duetotheattenuationandscatteringoflightinanunderwaterenvironment，theimagesdirectly

capturedbyimagingequipmentsufferfromsignificantqualitydegradation.Althoughlearning-basedunder‐

waterimageenhancementmethodsimprovetheoriginalimageimagingqualitytoacertainextent，mostof

theexistingmethodsuseartificiallysynthesizedormodel-generatedpaireddatasetsfortraining.