빛의 흡수 및 산란 현상으로 인해 촬영된 수중 이미지에서 심각한 색 편차와 낮은 대비와 같은 품질 문제가 발생하는 문제를 해결하기 위해, 본 논문에서는 경량 특성 융합 네트워크와 다중 색상 모델 보정을 결합한 수중 이미지 향상 방법을 제안한다. 먼저, 자체 구축 블록으로 합성곱 계층을 대체한 인코더-디코더 구조의 특성 융합 네트워크를 사용하여 수중 이미지의 색 편차를 보정한다. 네트워크 내에서 개선된 특성 융합 모듈은 완전 연결 계층이 이미지 공간 구조에 미치는 손상을 감소시키며 공간 특성을 보호하고 모듈의 파라미터 수를 줄인다. 동시에 개선된 어텐션 모듈은 병렬 풀링 연산을 통해 특징 맵의 텍스처 세부 정보를 추출하고 배경 정보를 보호한다. 그 다음 다중 색상 모델 보정 모듈을 사용하여 픽셀 간 관계에 따라 보정함으로써 색 편차를 더욱 줄이고 대비 및 밝기를 향상시킨다. 실험 결과 최신 이미지 향상 방법과 비교했을 때, 참조 이미지 데이터셋에서 본 방법의 NRMSE, PSNR 및 SSIM 평가 지표 평균값이 각각 9.3%, 3.7% 및 2.3% 향상되었으며, 참조 이미지가 없는 데이터셋에서는 UCIQE, IE 및 NIQE 평가 지표 평균값이 각각 6.0%, 2.9%, 4.5% 향상되었다. 주관적 인식과 객관적 평가를 종합할 때, 본 방법은 수중 이미지의 색 편차를 보정하고 대비 및 밝기를 높여 이미지 품질을 향상시킬 수 있다.

이미지 처리;신경망;어텐션 메커니즘;색상 모델;인코더-디코더 구조