信息科学 | 改进U-Net的全局特征融合水下图像增强网络
信息科学 | 改进U-Net的全局特征融合水下图像增强网络
摘要:针对光在水下环境中传播时由于散射和衰减导致水下图像出现颜色偏差和细节模糊问题,提出改进U-Net的全局特征融合水下图像增强网络。首先,在编码器和解码器中设计多残差卷积模块对特征信息进行分层次融合处理,减少细节信息丢失。其次,在解码器中引入通道注意力模块对通道进行加权处理,缓解通道退化程度不同的问题。最后,在解码器中设计卷积-置换自注意力模块融合全局信息,促进网络引导图像重建。所提出的方法在UIEB数据集上测试,最终在PSNR,SSIM和LPIPS三个指标上分别取得了23.42,0.9005和0.1385的成绩,在LSUI数据集上测试,最终在PSNR,SSIM和LPIPS三个指标上分别取得了29.35,0.9382和0.0880的成绩。实验结果表明所提出的方法在恢复颜色偏差和减少细节模糊方面具有较好的效果,证明其有效性和可行性。