Для решения проблемы разрушения цветов, снижения контрастности, размытия деталей в подводных изображениях, в данной статье предлагается алгоритм улучшения подводных изображений на основе плавучести цветов и механизма внимания. Разработан модуль извлечения особенностей байесовского апостериорного и модуль цветового внимания, объединенное коррекция цвета точки и исходного изображения и использование цветовой плавучести для руководства процессом улучшения изображения, тем самым смягчая обязанность восстановления цвета во время процесса обучения сети. Построен модуль смешанного многомасштабного внимания для усиления выразительной способности ключевых областей. Введен модуль двухстороннего декомпозиционного внимания, который в бутылочный слой устраняет избыточность признаков и подавляет переподгонку, что дополнительно повышает эффективность восстановления деталей. Экспериментальные результаты показывают, что алгоритм в данной статье получает показатели PSNR / SSIM в размере 24.33 / 0.910 9, 28.40 / 0.885 9, 29.00 / 0.899 1 в соответствии с общими наборами данных UIEB, UFO, EUVP, все они превосходят существующие методы; Кроме того, алгоритм в этой статье улучшает изображения UIQM и UCIQE по сравнению с оригиналом в среднем на 12.81% и 5.19% соответственно. Подтверждена эффективность данного алгоритма в повышении четкости изображения, структурной похожести и визуального эффекта.

Улучшение подводных изображений; Цветовая плавучесть; Механизм внимания