نظرًا لوجود امتصاص وتشتت للضوء تحت الماء، فإن الصور تحت الماء تعاني من تشوهات لونية وفقدان تفاصيل، مما يؤثر بشدة على اكتشاف الأهداف تحت الماء والتعرف عليها لاحقًا. يقدم هذا البحث نموذجًا شبكيًا خصميًا توليديًا للطبقات الالتفافية الكاملة الخفيفة الوزن (DUnet-GAN) لتعزيز الصور تحت الماء. نظرًا لخصائص الصور تحت الماء، تم اقتراح دالة هدف متعددة المهام لجعل النموذج يعزز جودة الصورة من جوانب المحتوى الكلي للصورة واللون والملمس المحلي ومعلومات النمط. بالإضافة إلى ذلك، تمت المقارنة مع بعض النماذج المهمة الحالية وتم إجراء تقييم كمي. أظهرت النتائج أن نموذجنا المقترح في مجموعة بيانات EUVP حقق نسبة إشارة إلى ضوضاء ذروة تزيد عن 26 ديسيبل، وتشابه هيكلي 0.8، وحجم معلمات 11 ميغابايت، وهو فقط 5% من حجم معلمات النماذج الأخرى ذات الأداء المماثل، وأفضل من مؤشرات FUNIE-GAN بحجم 26 ميغابايت. في الوقت نفسه، بلغت قيمة UIQM 2.85، تلي نموذج Cycle-GAN، وأظهر تأثير تعزيز موضوعي ملحوظ. والأهم من ذلك، أن الصور المعززة قدمت أداءً أفضل لنماذج اكتشاف الأهداف تحت الماء وتلبية متطلبات خفة الوزن للنماذج للأجهزة مثل الروبوتات تحت الماء.

شبكة خصمية توليدية;تعزيز الصور;خفيفة الوزن;المولد;اكتشاف الأهداف