Angesichts der komplexen Degradationsprobleme durch unzureichende Beleuchtung und Unterwasserstreuung bei der Aufgabe der Verstärkung von Unterwasserbildern bei schwacher Beleuchtung wird ein auf Retinex basierendes Framework mit variabler Aufmerksamkeit vorgeschlagen. Es wurde ein lichtgeführtes modulares Aufmerksamkeitsmodul entwickelt, das semantische Informationen aus der Helligkeitsmerkmal-Karte nutzt, um dunkle Bereiche zu verstärken und die adaptive Verstärkungsfähigkeit des Modells zu verbessern. Ein Modul zur Fusion von Raum-Frequenz-Merkmalen wurde konstruiert, das durch Multiskalenmerkmalsextraktion und Merkmalsfusion zwischen verschiedenen Ebenen die Hervorhebung von Bildtexturinformationen verbessert. Ein Medienübertragungsmodul wurde eingeführt, um Bildartefakte, die durch Unterwasserstreuung während des Verstärkungsprozesses verursacht werden, weiter zu reduzieren. Die experimentellen Ergebnisse zeigen, dass die vorgeschlagene Methode im Vergleich zu anderen fortschrittlichen Methoden in vier objektiven Metriken signifikante Verbesserungen erzielt, wobei PSNR 22,7818, SSIM 0,8821, UCIQE 0,6146 und UIQM 3,3659 erreicht wurden. Die visuelle Qualität der verstärkten Bilder ist ausgezeichnet und bestätigt die Wirksamkeit des Algorithmus zur Verbesserung der Klarheit von Unterwasserbildern bei schwacher Beleuchtung.

Unterwasserbildverstärkung; schwache Beleuchtung; Retinex; variable Aufmerksamkeit