Les algorithmes existants basés sur l'apprentissage profond utilisent une méthode d'encodage-décodage pour améliorer les images sous-marines dans des caractéristiques de haute dimension, sans prendre en compte la dégradation spécifique due à la différence des canaux des images sous-marines, ce qui conduit à des résultats d'amélioration généralement médiocres. Pour résoudre ce problème, un algorithme d'amélioration d'images sous-marines adaptatif au niveau des canaux et pixels est proposé, qui améliore séparément les trois canaux R, G et B des images sous-marines au niveau pixel par pixel. Cet algorithme comporte 4 phases, et l'ensemble du processus d'amélioration est réalisé par l'extraction des caractéristiques des canaux à chaque phase. Premièrement, les sémantiques locales et globales du réseau d'amélioration optimisent l'atténuation des canaux pour réparer les canaux de couleur du contexte ; deuxièmement, un mécanisme d'attention agrège les caractéristiques spatiales et de canal et supprime les informations de saut de localisation de couleur non pertinentes ; ensuite, le mécanisme d'attention est optimisé pour ajuster les caractéristiques adaptatives ; finalement, pour améliorer la correction des dominantes de couleur de l'algorithme, un module de correction des dominantes est proposé, utilisé au cours de la quatrième phase pour ajuster davantage la dominante de l'image. Comparé à d'autres algorithmes sur les jeux de données UIEB et EUVP, cet algorithme a amélioré le PSNR de 14,35 %, le SSIM de 5,8 %, l'UIQM de 3,2 %, l'UCIQE de 13,7 %, et offre les meilleurs résultats subjectifs.

amélioration d'image sous-marine ; amélioration de canal ; amélioration au niveau pixel ; apprentissage profond