بالنسبة لمشكلة انحراف اللون وتشويش التفاصيل التي تحدث في الصور تحت الماء نتيجة التشتت والتوهين أثناء انتشار الضوء في البيئة المائية، تم اقتراح شبكة تحسين الصور تحت الماء مع دمج الخصائص العالمية باستخدام نسخة محسنة من U-Net. أولاً، تم تصميم وحدات الالتفاف متعددة البقايا في المشفر وفك المشفر لدمج معلومات الخصائص على مستويات متعددة، مما يقلل من فقدان تفاصيل المعلومات. ثانيًا، تم إدخال وحدة انتباه القناة في فك المشفر لوزن القنوات، مما يخفف من مشكلة تفاوت تدهور القنوات. وأخيرًا، تم تصميم وحدة الالتفاف مع الانتباه الذاتي التبادلي في فك المشفر لدمج المعلومات العالمية، مما يعزز توجيه الشبكة لإعادة بناء الصورة. تم اختبار الطريقة المقترحة على مجموعة بيانات UIEB، وحققت نتائج 23.42، 0.9005 و0.1385 على التوالي لمؤشرات PSNR وSSIM وLPIPS، وعلى مجموعة بيانات LSUI، بنتائج 29.35، 0.9382 و0.0880 على التوالي لنفس المؤشرات. تظهر النتائج التجريبية أن الطريقة المقترحة فعالة وقابلة للتنفيذ في استعادة انحراف اللون وتقليل تشويش التفاصيل.

تحسين الصور تحت الماء;التعلم العميق;دمج الخصائص;آلية الانتباه;الشبكات العصبية التلافيفية