Существующие алгоритмы на основе глубокого обучения используют метод кодирования и декодирования для улучшения подводных изображений в высокоразмерных признаках, не учитывая особенности деградации различий каналов подводных изображений, что приводит к плохому качеству улучшения. В ответ на эту проблему была предложена алгоритм адаптивного улучшения подводных изображений на уровне пикселей по каналам, который улучшает отдельные каналы R, G и B подводного изображения на уровне пикселей. Алгоритм состоит из 4 этапов, и весь процесс улучшения завершается за счет извлечения признаков каналов на каждом этапе. Сначала, с помощью локальных и глобальных семантик сети улучшения оптимизируется затухание каналов для восстановления цветовых каналов контекста; затем с помощью механизма внимания агрегируются пространственные и каналные признаки и подавляется нерелевантный скачкообразный цветовой шум; затем оптимизируется механизм внимания для корректировки адаптивных признаков; наконец, для улучшения способности алгоритма корректировать цветовой перекос предложен модуль коррекции цветового перекоса, который используется на четвертом этапе для дальнейшей корректировки цветового искажения изображения. По сравнению с другими алгоритмами на наборах данных UIEB и EUVP, данный алгоритм повысил показатель PSNR на 14.35%, SSIM на 5.8%, UIQM на 3.2%, UCIQE на 13.7%, а субъективное качество оказалось лучшим.

улучшение подводных изображений; улучшение каналов; улучшение на уровне пикселей; глубокое обучение