توجد ظواهر معقدة لتلاشي وتشتت الضوء في البيئة تحت الماء، مما يجعل الصور الأصلية التي تلتقطها أجهزة التصوير تعاني من تدهور واضح في الجودة. طرق تعزيز الصور تحت الماء القائمة على التعلم العميق حسنت جودة الصور الأصلية إلى حد ما، ولكن معظم الطرق الحالية تستخدم مجموعات بيانات مزدوجة اصطناعية أو مولدة بواسطة نموذج للتدريب. بسبب وجود فرق كبير في توزيع البيانات بين عينات التدريب والصور الحقيقية، فمن السهل حدوث زيادة تعزيز مفرطة أو إزالة انحراف اللون بشكل غير واضح. لمعالجة هذه المشكلة، تقترح هذه الورقة نموذج تعزيز الصور تحت الماء يجمع بين انتقال المجال وآلية الانتباه. أولاً، تم تصميم شبكة توليد الصور لانتقال المجال، التي تجمع بين نموذج التصوير الفيزيائي ومصنف نوع الماء، لتعلم علاقة وصف الخصائص بين الصور من مجالات مختلفة في مشاهد مختلفة، وتقليل الفجوة بين الصور المولدة والصور الحقيقية. ثم، تم تصميم شبكة ترميز وفك ترميز متعددة المقياس مع انتباه مختلط، من خلال إدخال اتصال ميزات فعال وآلية دمج الانتباه، تم تحسين قدرة الشبكة على تعزيز المناطق المحلية التفصيلية في الصورة. أخيراً، اقترحنا دالة خسارة اتساق الترابط على مستوى المجال الكامل، التي تبني الاتساق الممتد بين المحتوى والبنية في الصور المولدة خلال مراحل انتقال المجال، لتدريب معلمات نموذج الشبكة بشكل أفضل وتحسين جودة تعزيز الصور. حقق النموذج المقترح دقة على مؤشرات UIQM وUCIQE في مجموعتي البيانات الحقيقية تحت الماء UIEB وEUVP بقيم على التوالي 3.1401، 0.6021، و3.0768، 0.6124. تظهر النتائج التجريبية أن النموذج يمكنه تحسين جودة تعزيز الصور تحت الماء بشكل فعال، مع استعادة لون أكثر طبيعية وتعزيز تفاصيل أكثر وضوحاً.

تعزيز الصور تحت الماء; انتقال المجال; شبكات الخصومة التوليدية; تعزيز الانتباه