Para resolver problemas de desvios severos de cor e baixo contraste em imagens subaquáticas causados pela absorção e dispersão da luz, este artigo propõe um método de aprimoramento de imagens subaquáticas que combina uma rede leve de fusão de características com correção baseada em múltiplos modelos de cor. Primeiro, utiliza-se uma rede de fusão de características com estrutura codificador-decodificador que substitui as camadas convolucionais por blocos auto-construídos para corrigir o desvio de cor em imagens subaquáticas. O módulo de fusão de características melhorado reduz a destruição da estrutura espacial da imagem causada pelas camadas totalmente conectadas, protege as características espaciais e diminui o número de parâmetros do módulo. Ao mesmo tempo, o módulo de atenção aprimorado realiza cálculos de pooling em paralelo para extrair detalhes de textura do mapa de características e proteger as informações de fundo. Em seguida, utiliza-se um módulo de correção baseado em múltiplos modelos de cor que ajusta conforme as relações entre os pixels, reduzindo ainda mais o desvio de cor e melhorando o contraste e o brilho. Os resultados experimentais mostram que, em comparação com os métodos modernos de aprimoramento de imagens, nos conjuntos de dados com imagens de referência, os valores médios dos indicadores NRMSE, PSNR e SSIM do método proposto aumentaram 9,3%, 3,7% e 2,3%, respectivamente, em relação ao segundo colocado. Em conjuntos de dados sem imagens de referência, os valores médios dos indicadores UCIQE, IE e NIQE do método proposto aumentaram 6,0%, 2,9% e 4,5%, respectivamente, em relação ao segundo colocado. Considerando a percepção subjetiva e a avaliação objetiva, o método proposto pode corrigir o desvio de cor em imagens subaquáticas, melhorar o contraste e o brilho e aumentar a qualidade da imagem.

Processamento de imagens;Redes neurais;Mecanismo de atenção;Modelos de cor;Estrutura codificador-decodificador