تعتمد الخوارزميات الحالية القائمة على التعلم العميق على طريقة التشفير وفك التشفير لتعزيز الصور تحت الماء في الميزات عالية الأبعاد، دون النظر إلى خصائص تدهور اختلاف القنوات في الصور تحت الماء، مما يؤدي إلى ضعف عام في فعالية التعزيز. لمواجهة هذه المشكلة، تم اقتراح خوارزمية تعزيز الصور تحت الماء المستندة إلى تكييف القنوات على مستوى البكسل، والتي تعزز قنوات R وG وB الثلاثة على مستوى البكسل في الصور تحت الماء. تنقسم هذه الخوارزمية إلى 4 مراحل، وتكتمل عملية التعزيز بأكملها من خلال استخراج ميزات القنوات في كل مرحلة. أولاً، يتم تحسين تلاشي القنوات من خلال المعاني المحلية والعالمية لشبكة التعزيز لإصلاح قنوات الألوان في السياق؛ ثانياً، يتم تجميع الميزات المكانية وقنوات اللون عبر آلية الانتباه وكبح المعلومات غير المتعلقة بتحديد الألوان القفزي؛ ثم، يتم تعديل الميزات التكيفية من خلال تحسين آلية الانتباه؛ أخيراً، لتعزيز قدرة الخوارزمية على تصحيح انحراف اللون، تم اقتراح وحدة لتصحيح انحراف اللون، تستخدم في المرحلة الرابعة لضبط مشكلة انحراف اللون في الصورة بشكل أكبر. مقارنة بالخوارزميات الأخرى على مجموعتي بيانات UIEB وEUVP، ارتفع مؤشر PSNR الخاص بالخوارزمية بهذه الدراسة بنسبة 14.35٪، و SSIM بنسبة 5.8٪، و UIQM بنسبة 3.2٪، و UCIQE بنسبة 13.7٪، وكانت النتائج الموضوعية الأفضل.

تعزيز الصور تحت الماء;تعزيز القنوات;تعزيز مستوى البكسل;التعلم العميق