Для решения проблем цветовой дисторсии, снижения контрастности и размытия деталей на подводных изображениях в данной работе предложен алгоритм улучшения подводных изображений на основе цветового априора с направляющим механизмом внимания. Разработаны модули извлечения байесовских апостериорных признаков и модули внимания с руководством априорной цветовой информацией, которые объединяют корректированные по цвету априорной информацией изображения и исходные изображения, а также направляют процесс улучшения изображения с помощью цветовой априорной информации, снижая нагрузку на восстановление цвета в процессе обучения сети. Построен смешанный многоуровневый модуль внимания для усиления способности представления признаков ключевых областей. Введён модуль внимания с двухосевым развязыванием, устраняющий избыточность признаков и подавляющий переобучение в слое-«бутылочном горлышке», что дополнительно улучшает восстановление деталей. Результаты экспериментов показывают, что предложенный алгоритм достиг показателей PSNR/SSIM 24.33/0.9109, 28.40/0.8859, 29.00/0.8991 на популярных наборах данных UIEB, UFO, EUVP соответственно, превосходя существующие методы; кроме того, показатели UIQM и UCIQE для усиленных алгоритмом изображений улучшились в среднем на 12.81% и 5.19% по сравнению с исходными изображениями, что подтверждает эффективность алгоритма в повышении чёткости изображений, структурной схожести и визуального восприятия.

Улучшение подводных изображений; цветовой априор; механизм внимания