Para resolver problemas de degradación en imágenes submarinas como distorsión del color, disminución del contraste y desenfoque de detalles, este trabajo propone un algoritmo de mejora de imágenes submarinas basado en prior de color guiado y mecanismo de atención. Se diseñaron módulos de extracción de características posterior bayesiano y módulos de atención guiados por prior de color, fusionando imágenes corregidas por prior de color con imágenes originales y guiando el proceso de mejora de imágenes mediante información prior de color, lo que reduce la carga en la recuperación del color durante el entrenamiento de la red. Se construyó un módulo de atención multiescala híbrido para mejorar la capacidad de expresión de características en regiones clave. Se introdujo un módulo de atención desacoplado de doble eje, que elimina la redundancia de características y suprime el sobreajuste en la capa cuello de botella, mejorando aún más la recuperación de detalles. Los resultados experimentales muestran que el algoritmo propuesto alcanzó índices PSNR/SSIM de 24.33/0.9109, 28.40/0.8859, 29.00/0.8991 en conjuntos de datos comunes UIEB, UFO, EUVP respectivamente, superando los métodos existentes; además, los índices UIQM y UCIQE de las imágenes mejoradas por el algoritmo aumentaron en promedio un 12.81% y un 5.19% en comparación con las imágenes originales, validando la efectividad del algoritmo para mejorar la claridad, similitud estructural y efecto visual de las imágenes.

Mejora de imágenes submarinas; prior de color guiado; mecanismo de atención