기존의 딥러닝 기반 알고리즘은 인코딩-디코딩 방식을 이용해 고차원 특징에서 수중 이미지를 향상시키지만, 수중 이미지의 채널 차이 퇴화 특성을 고려하지 않아 향상 효과가 전반적으로 좋지 않습니다. 이러한 문제를 해결하기 위해 픽셀 수준에서 채널 적응 기반 수중 이미지 향상 알고리즘을 제안하였으며, 수중 이미지의 픽셀 단위로 R, G, B 세 채널을 각각 향상시킵니다. 이 알고리즘은 4단계로 나뉘며, 각 단계에서 채널 특징 추출을 통해 전체 향상 과정을 완성합니다. 먼저, 향상 네트워크의 국부 및 전역 의미를 통해 채널 감쇠를 최적화하여 문맥의 색 채널을 복원합니다. 둘째, 주의 메커니즘을 통해 공간 및 채널 특징을 집계하고 관련 없는 색상 위치 점프 정보를 억제합니다. 셋째, 주의 메커니즘을 최적화하여 적응형 특징을 조정합니다. 마지막으로, 알고리즘의 색 왜곡 교정 능력을 향상시키기 위해 색 왜곡 교정 모듈을 제안하였으며, 4단계에서 색 왜곡 조절 모듈을 사용하여 이미지의 색 왜곡 문제를 추가로 조정합니다. UIEB 데이터셋과 EUVP 데이터셋에서 다른 알고리즘과 비교한 결과, 본 알고리즘은 PSNR 지표가 14.35%, SSIM이 5.8%, UIQM이 3.2%, UCIQE가 13.7% 향상되었으며 주관적 효과가 가장 뛰어났습니다.

수중 이미지 향상; 채널 향상; 픽셀 수준 향상; 딥러닝