Para resolver los problemas de desviación severa del color y bajo contraste en imágenes tomadas bajo el agua debido a la absorción y dispersión de la luz, este artículo propone un método de mejora de imágenes submarinas que combina una red ligera de fusión de características y la corrección basada en múltiples modelos de color. Primero, se utiliza una red de fusión de características con una estructura codificador-decodificador que reemplaza las capas convolucionales por bloques auto-construidos para corregir la desviación de color en imágenes submarinas. El módulo de fusión de características mejorado reduce la destrucción de la estructura espacial de la imagen causada por las capas completamente conectadas, protege las características espaciales y reduce el número de parámetros del módulo. Al mismo tiempo, el módulo de atención mejorado realiza cálculos de agrupación en paralelo para extraer detalles de textura del mapa de características y proteger la información de fondo. Luego, se utiliza un módulo de corrección de múltiples modelos de color para corregir según las relaciones entre píxeles, reduciendo aún más la desviación de color y mejorando el contraste y el brillo. Los resultados experimentales muestran que, en comparación con los métodos modernos de mejora de imágenes, en conjuntos de datos con imágenes de referencia, los valores promedio de los indicadores NRMSE, PSNR y SSIM del método propuesto aumentaron en un 9.3%, 3.7% y 2.3% respectivamente respecto al segundo lugar. En conjuntos de datos sin imágenes de referencia, los valores promedio de los indicadores UCIQE, IE y NIQE del método propuesto aumentaron en un 6.0%, 2.9% y 4.5% respectivamente respecto al segundo lugar. Combinando la percepción subjetiva y la evaluación objetiva, el método propuesto puede corregir la desviación de color en imágenes submarinas, mejorar el contraste y el brillo, y aumentar la calidad de la imagen.

Procesamiento de imágenes;Redes neuronales;Mecanismo de atención;Modelos de color;Estructura codificador-decodificador