水中環境には複雑な光の減衰や散乱現象が存在し、撮影機器が撮影した元の画像には明らかな品質劣化問題が生じている。深層学習に基づく水中画像強調手法は一定程度元画像の撮像品質を向上させたが、既存の手法の多くは人工合成またはモデル生成のペアデータセットを用いて学習している。訓練サンプルと実際の画像との間にデータ分布上の大きなドメインギャップが存在するため、過剰強調や色偏差除去の不十分な現象が起こりやすい。本稿ではこれらの問題に対し、ドメイン移行と注意機構を融合した水中画像強調モデルを提案する。まず、物理撮像モデルと水質分類器を組み合わせたドメイン移行画像生成ネットワークを設計し、異なるシーンにおける異なるドメイン画像間の特徴記述マッピング関係を学習し、生成画像と実画像間の差異を低減する。次に、多尺度混合注意エンコーダ・デコーダネットワークを設計し、効率的な特徴接続と注意融合機構の導入により、画像の局所的な細部領域に対する強調能力を向上させた。最後に、全域ドメイン関連一貫性損失関数を提案し、ドメイン移行過程の各段階で生成画像の内容および構造の一貫性関連を構築し、ネットワークモデルパラメータの学習を最適化して画像強調品質を向上させる。提案モデルは水中の実データセットUIEBおよびEUVPにおいて、UIQMおよびUCIQE指標でそれぞれ3.1401、0.6021ならびに3.0768、0.6124の精度を達成した。実験結果は、本モデルが水中画像の強調品質を効果的に高め、色彩回復がより自然で細部の強調効果が顕著であることを示している。

水中画像強調;ドメイン移行;生成対抗ネットワーク;注意強調