Um die Probleme der Farbverzerrung, des Kontrastabfalls und der Detailunschärfe in Unterwasserbildern zu lösen, wird in diesem Artikel ein Algorithmus zur Verbesserung von Unterwasserbildern auf der Grundlage der Vorwissensführung von Farben und des Aufmerksamkeitsmechanismus vorgeschlagen. Es wurde ein Modul zur Extraktion von a posteriori-Bayes-Merkmalen und ein Modul zur farbgesteuerten Aufmerksamkeit entwickelt, das die Korrektur der Farbe mit dem Originalbild fusioniert und die Farbinformationen zur Steuerung des Bildverbesserungsprozesses verwendet, wodurch die Belastung bei der Wiederherstellung der Farbe während des Netzwerktrainings verringert wird. Es wurde ein gemischtes multiskalares Aufmerksamkeitsmodul gebildet, um die Repräsentationsfähigkeit der Schlüsselbereiche zu stärken. Es wurde ein bidirektionales Dekompositions-Aufmerksamkeitsmodul eingeführt, das die Merkmalsredundanz in der Engpassschicht beseitigt und das Overfitting unterdrückt, was die Wiederherstellung der Details weiter verbessert. Die experimentellen Ergebnisse zeigen, dass der Algorithmus in diesem Artikel PSNR / SSIM-Indizes von 24.33 / 0,910 9, 28.40 / 0,885 9, 29.00 / 0,899 1 in den gebräuchlichen Datensätzen UIEB, UFO, EUVP erhält, die alle höher sind als die vorhandenen Methoden; Darüber hinaus verbessert der Algorithmus in diesem Artikel die Bilder UIQM und UCIQE im Vergleich zum Original im Durchschnitt um 12,81% bzw. 5,19%. Die Wirksamkeit dieses Algorithmus bei der Verbesserung der Bildschärfe, der strukturellen Ähnlichkeit und des visuellen Effekts wurde validiert.

Verbesserung von Unterwasserbildern; Vorwissensführung von Farben; Aufmerksamkeitsmechanismus