نظرًا لتشتت الجسيمات العالقة في الماء وامتصاص الضوء بواسطة الماء، تعاني الصور تحت الماء من انحراف لوني شديد، وضبابية، وتشويش. في مواجهة المشكلة التي تواجهها خوارزميات تحسين الصور تحت الماء الحالية المعتمدة على التعلم العميق والتي تستخدم عمليات الالتفاف والرفع/الخفض الأحادي، مما يؤدي إلى استخراج غير كافٍ لميزات الصورة، قام هذا البحث ببناء وحدات خفض عينات، رفع عينات، واستخراج ميزات تعتمد على استخراج ميزات متعددة المقاييس، وعلى هذا الأساس اقترح إطار عمل شبكة تحسين الصور تحت الماء المبني على الربط المتسلسل لوحدات استخراج الميزات متعددة المقاييس (MS-FEBC). ولزيادة قدرة الشبكة على استخراج الميزات، تمت إضافة آلية انتباه CBAM في فضاء الميزات عالية الأبعاد للشبكة. أظهرت النتائج التجريبية أن الخوارزمية المقترحة تحل بفعالية مشكلات انحراف اللون، الضبابية، وفقدان التفاصيل الموجودة في الصور تحت الماء مقارنة بالخوارزميات الحالية، مع تحسن ملحوظ في أربعة مؤشرات تقييم موضوعية، وتحسن واضح في أداء مهام الكشف البصري مثل كشف نقاط الميزات SIFT والكاشف الحدي Canny.

تحسين الصور تحت الماء;شبكة متسلسلة;استخراج ميزات متعددة المقاييس