深層学習に基づく水中画像強調法は視覚効果に優れているが、既存のエンドツーエンドネットワークは水中シーンにおける一般的な色の歪みやテクスチャのぼやけに特化してネットワーク構造が巧妙に構築されているものが少ない。ネットワーク性能向上のために、テクスチャ認識と色ヒストグラム特徴を共同利用した水中画像強調ネットワークを提案した。このネットワークはテクスチャ認識ネットワーク、色ヒストグラム特徴抽出ネットワーク、及び色とテクスチャの融合による水中画像強調ネットワークで構成されている。テクスチャ認識ネットワークの構築には変形Transformerモジュールを導入し、空間認識変形畳み込みを用いてTransformerモジュールのマルチヘッドアテンション機構を設計し、変形畳み込みの幾何認識能力とTransformerモジュールのグローバルセマンティックキャプチャ能力を効果的に組み合わせてテクスチャ特徴を抽出している。色ヒストグラム特徴抽出ネットワークはヒストグラムに豊富な色情報が含まれると考え、実際の水中画像のヒストグラムを用いてネットワークに色特徴の抽出を監督させている。最後に、提案する色とテクスチャの融合モジュールを用いて、前二つのネットワークで抽出したテクスチャおよび色特徴を融合し、その後続の色とテクスチャ融合による水中画像強調ネットワークに注入して水中画像強調を実施する。この処理によりテクスチャ構造を効果的に保持し、歪んだ色を補正するとともに、テクスチャと色情報の一貫性を保つ。実験結果は、本稿のアルゴリズムが既存の水中画像強調アルゴリズムより良好な視覚的強調効果を持ち、水中画像品質測定指標（UIQM）が10％向上し、単一画像の処理時間が9％短縮され0.051秒となり、工学実践における水中視覚強調タスクの要求を満たすことを示している。

画像強調;マルチヘッドアテンション機構;テクスチャ認識;畳み込みニューラルネットワーク;深層学習