Os algoritmos existentes baseados em aprendizado profundo utilizam métodos de codificação e decodificação para aprimorar imagens subaquáticas em características de alta dimensão, sem considerar as características específicas de degradação pela diferença de canal nas imagens subaquáticas, resultando em um aprimoramento geralmente insatisfatório. Para resolver este problema, foi proposto um algoritmo adaptativo de aprimoramento de imagens subaquáticas baseado em canais no nível de pixels, que aprimora os canais R, G e B das imagens subaquáticas no nível de pixels. Este algoritmo é dividido em 4 etapas, e o processo completo de aprimoramento é concluído por meio da extração das características dos canais em cada etapa. Primeiro, por meio das semânticas locais e globais da rede de aprimoramento, a atenuação dos canais é otimizada para reparar os canais de cor do contexto; em segundo lugar, um mecanismo de atenção agrega as características espaciais e dos canais, suprimindo informações irrelevantes de salto na localização da cor; em seguida, o mecanismo de atenção é otimizado para ajustar características adaptativas; por fim, para melhorar a capacidade do algoritmo de corrigir desvios de cor, um módulo de correção de desvio de cor foi proposto, usado na quarta etapa para ajustar ainda mais o problema de desvio de cor da imagem. Em comparação com outros algoritmos nos conjuntos de dados UIEB e EUVP, este algoritmo melhorou o índice PSNR em 14,35%, SSIM em 5,8%, UIQM em 3,2%, UCIQE em 13,7%, apresentando o melhor efeito subjetivo.

aprimoramento de imagens subaquáticas; aprimoramento de canais; aprimoramento no nível de pixels; aprendizado profundo