色の偏りが著しく、高度に濁った水中環境により画像のコントラスト低下やテクスチャ喪失などの問題に対し、空間領域と周波数領域を融合した多スケール深層学習画像強調ネットワークを提案する。Retinex物理メカニズムと多スケール深層特徴を融合することで、濁った水中の散乱ノイズ干渉を効果的に緩和した。また混合畳み込みと空間-周波数注意協調機構を構築し、ネットワークのエンコード・デコード段階に双経路注意構造を埋め込むことで両領域の特徴を同期的に捉え、複雑な劣化環境下でのモデリング性能を強化した。適応的選択的カーネル融合機構を活用し、深層セマンティック特徴を精錬することで複雑環境下での細部テクスチャ再構築と色偏差の微細補正を実現した。実験結果は、濁度54.11 NTUの無色偏および緑色偏、青色偏の濁水画像において、提案手法が最良対比手法に対しPSNR指標を平均0.464、0.473、1.944 dB向上させ、LPIPS指標を平均0.94％低減したことを示している。本手法は濁水画像強調に優れた効果を示し、水中ロボットの視覚品質向上に有効なソリューションを提供できる。

コンピュータビジョン; 水中画像強調; 濁水; 深層学習