수중 부유 물질의 산란 및 물체의 빛 흡수로 인해 수중 이미지는 심각한 색 편향, 흐림 및 모호 현상이 발생합니다. 기존의 딥러닝 기반 수중 이미지 강화 알고리즘은 단일 컨볼루션 및 업샘플링/다운샘플링 방식을 사용하여 이미지 특징 추출이 불충분한 문제를 해결하기 위해, 본 논문에서는 다중 스케일 특징 추출에 기반한 다운샘플링 모듈, 업샘플링 모듈 및 특징 추출 모듈을 구축하고, 이를 기반으로 다중 스케일 특징 추출 블록 연쇄(MS-FEBC)에 기반한 수중 이미지 강화 네트워크 프레임워크를 제안하였습니다. 네트워크의 특징 추출 능력을 더욱 향상시키기 위해 네트워크 고차원 특징 공간에 CBAM 주의 메커니즘을 추가하였습니다. 실험 결과, 본 알고리즘은 기존 알고리즘과 비교하여 수중 이미지에서 색 편향, 흐림 및 세부 손실과 같은 저품질 문제를 효과적으로 해결했으며, 4가지 객관적 평가 지표에서 모두 유의미한 향상을 보였고, 이미지의 SIFT 특징점 검출 및 Canny 엣지 검출 시각 작업 성능에서 뚜렷한 개선을 보였습니다.

수중 이미지 강화;연쇄 네트워크;다중 스케일 특징 추출