수중 영상에서 발생하는 색상 왜곡, 낮은 대비, 세부 정보 흐림 등의 문제를 해결하기 위해 다중 분기 잔차 주의 네트워크 기반의 수중 영상 향상 알고리즘을 제안하였다. 해당 네트워크는 인코더와 디코더의 전후에 다중 분기 색상 향상 모듈을 도입하여 영상의 색상 편차를 적응적으로 보정하며, 네트워크 중간부에는 잔차 주의 모듈을 설계하여 인코더와 디코더 간의 특징 손실을 줄여 영상 세부 정보를 강화한다. 마지막으로, 결합 특징 손실 함수를 구성하여 네트워크가 풍부한 영상 특징을 학습할 수 있도록 하여 영상 색상을 개선하는 동시에 엣지 정보를 효과적으로 보존한다. LUSI와 EVUP 두 가지 테스트 세트를 활용하여 6가지 선진 방법과 비교하였으며, 실험 결과 본 알고리즘으로 향상된 영상이 주관적 감각과 객관적 평가에서 모두 최적의 지표를 달성하였다. LUSI 테스트 세트에서 평균 최고 신호 대 잡음비(PSNR)와 구조적 유사도(SSIM)는 각각 27.420 dB와 0.885로 차선책 대비 3.9%와 0.8% 향상되었으며, EVUP 테스트 세트에서는 PSNR과 SSIM이 각각 26.159 dB와 0.851로 차선책보다 3.3%와 1.3% 향상되었다. 해당 알고리즘은 뛰어난 영상 품질 향상 효과와 안정성을 갖추어 수중 공학 분야의 영상 분석에 효과적인 방법을 제공할 수 있다.

수중 영상 향상; 딥러닝; 잔차 주의 모듈; 다중 분기 색상 향상 모듈; 주의 메커니즘; 결합 손실 함수