Pour résoudre les problèmes de distorsion des couleurs, de baisse du contraste, de flou des détails dans les images sous-marines, cet article propose un algorithme d'amélioration des images sous-marines basé sur la guidance de la couleur a priori et le mécanisme d'attention. Un module d'extraction des caractéristiques a posteriori bayésiennes et un module d'attention guidé par la couleur ont été conçus, fusionnant la correction de la couleur a priori avec l'image d'origine et utilisant l'information de couleur a priori pour guider le processus d'amélioration de l'image, allégeant ainsi la charge de restauration de la couleur lors de l'entraînement du réseau. Un module d'attention multi-échelle mixte a été construit pour renforcer la capacité de représentation des caractéristiques des zones clés. Un module d'attention de désagrégation bidirectionnelle a été introduit, éliminant la redondance des caractéristiques au niveau bottleneck et supprimant le surajustement, améliorant ainsi davantage la restauration des détails. Les résultats expérimentaux montrent que l'algorithme de cet article obtient des indices PSNR / SSIM de 24,33 / 0,910 9, 28,40 / 0,885 9, 29,00 / 0,899 1 respectivement sur les ensembles de données courants UIEB, UFO, EUVP, tous supérieurs aux méthodes existantes; de plus, l'algorithme de cet article améliore les images UIQM et UCIQE par rapport à l'original, avec une amélioration moyenne de 12,81% et 5,19% respectivement. L'efficacité de cet algorithme dans l'amélioration de la netteté de l'image, de la similarité structurelle et de l'effet visuel a été validée.

Amélioration des images sous-marines; Guidance de la couleur a priori; Mécanisme d'attention