Die Unterwasserumgebung weist komplexe Phänomene der Lichtabschwächung und Streuung auf, wodurch die vom Aufnahmegerät aufgenommenen Rohbilder deutlich an Qualität verlieren. Tiefenlern-basierte Methoden zur Unterwasserbildverbesserung verbessern die Rohbildqualität bis zu einem gewissen Grad, aber vorhandene Methoden trainieren meist mit künstlich synthetisierten oder modellgenerierten gepaarten Datensätzen. Aufgrund der großen Domänenverschiebung zwischen Trainingsbeispielen und echten Bildern kommt es häufig zu Überverbesserungen und unzureichender Entfernung von Farbabweichungen. Zur Lösung dieser Probleme wird in dieser Arbeit ein Unterwasserbildverbesserungsmodell vorgeschlagen, das Domänenanpassung und Aufmerksamkeitsmechanismen kombiniert. Zunächst wurde ein domänenübertragendes Bildgenerationsnetzwerk entworfen, das ein physikalisches Bildbildungsmodell und einen Wassertyp-Klassifikator kombiniert, um die Abbildungsbeziehung der Merkmalsbeschreibungen zwischen Bildern verschiedener Domänen in unterschiedlichen Szenarien zu erlernen und die Differenz zwischen generierten und realen Bildern zu verringern. Anschließend wurde ein multimodales Misch-Aufmerksamkeits-Encoder-Decoder-Netzwerk entworfen, das durch die Einführung effizienter Merkmalsverbindungen und Aufmerksamkeitsfusion die Fähigkeit des Netzes zur Verbesserung lokaler Bilddetails erhöht. Schließlich wurde eine globale Domänen-assoziations-Konsistenzverlustfunktion vorgeschlagen, die durch den Aufbau der Inhalts- und Strukturkonsistenz der in den verschiedenen Phasen der Domänenübertragung erzeugten Bilder die Netzparameter besser trainiert und die Bildverbesserungsqualität verbessert. Das vorgeschlagene Modell erzielte auf den realen Unterwasser-Datensätzen UIEB und EUVP eine Genauigkeit bei den UIQM- und UCIQE-Indizes von jeweils 3.1401, 0.6021 und 3.0768, 0.6124. Die experimentellen Ergebnisse zeigen, dass das Modell die Unterwasserbildverbesserungsqualität effektiv steigern kann, mit einer natürlicheren Farbwiedergabe und einer deutlicheren Detailverbesserung.

Unterwasserbildverbesserung; Domänenanpassung; generative gegnerische Netze; Aufmerksamkeitsverstärkung