Para resolver problemas de degradação em imagens subaquáticas, como distorção de cores, diminuição do contraste e desfoque de detalhes, este artigo propõe um algoritmo de aprimoramento de imagens subaquáticas baseado em orientação pelo conhecimento prévio de cor e mecanismo de atenção. Foram projetados um módulo de extração de características bayesiano posterior e um módulo de atenção guiado pelo conhecimento prévio de cor, que fundem imagens corrigidas pelo conhecimento prévio de cor e imagens originais e orientam o processo de aprimoramento da imagem por meio da informação prévia de cor, aliviando assim a carga da restauração de cor durante o treinamento da rede. Foi construído um módulo de atenção multiescala híbrido para aprimorar a capacidade de expressão das características em regiões-chave. Introduziu-se um módulo de atenção desacoplado de eixo duplo, que elimina a redundância de características e suprime o sobreajuste na camada de gargalo, melhorando ainda mais a recuperação de detalhes. Os resultados experimentais mostram que o algoritmo proposto alcançou índices PSNR/SSIM de 24,33/0,9109, 28,40/0,8859, 29,00/0,8991 em conjuntos de dados comuns UIEB, UFO, EUVP respectivamente, superando os métodos existentes; além disso, os índices UIQM e UCIQE das imagens aprimoradas pelo algoritmo melhoraram em média 12,81% e 5,19% em comparação com as imagens originais, validando a eficácia do algoritmo em melhorar a clareza, similaridade estrutural e efeito visual das imagens.

Aprimoramento de imagens subaquáticas; orientação pelo conhecimento prévio de cor; mecanismo de atenção