Pour résoudre les problèmes de dégradation tels que la distorsion des couleurs, la baisse du contraste et le flou des détails dans les images sous-marines, cet article propose un algorithme d'amélioration des images sous-marines basé sur la priorisation des couleurs et un mécanisme d'attention. Un module d'extraction de caractéristiques postérieures bayésiennes et un module d'attention guidé par la priorisation des couleurs ont été conçus, fusionnant les images corrigées selon la priorisation des couleurs et les images originales, guidant ainsi le processus d'amélioration grâce aux informations de priorisation des couleurs, ce qui allège le fardeau de la récupération des couleurs lors de l'entraînement du réseau. Un module d'attention multi-échelle hybride a été construit pour renforcer la capacité d'expression des caractéristiques des zones clés. Un module d'attention à double axe découplé a été introduit, éliminant la redondance des caractéristiques et supprimant le surapprentissage au niveau du goulot d'étranglement, améliorant ainsi la restauration des détails. Les résultats expérimentaux montrent que l'algorithme proposé a atteint des indices PSNR/SSIM de 24,33/0,9109, 28,40/0,8859, 29,00/0,8991 sur les ensembles de données couramment utilisés UIEB, UFO, EUVP respectivement, surpassant les méthodes existantes ; de plus, les indices UIQM et UCIQE des images améliorées par l'algorithme ont été améliorés en moyenne de 12,81% et 5,19% par rapport aux images originales, validant ainsi l'efficacité de cet algorithme pour améliorer la netteté, la similarité structurelle et l'effet visuel des images.

Amélioration des images sous-marines; priorisation des couleurs; mécanisme d'attention