빛이 수중 환경에서 산란과 감쇠로 인해 발생하는 색상 왜곡과 세부 흐림 문제를 해결하기 위해 개선된 U-Net 기반의 전역 특징 융합 수중 이미지 향상 네트워크를 제안한다. 먼저, 인코더와 디코더에 다중 잔차 컨볼루션 모듈을 설계하여 특징 정보를 계층별로 융합 처리해 세부 정보 손실을 줄인다. 둘째, 디코더에 채널 주의 모듈을 도입하여 채널에 가중치를 부여하고 채널의 열화 정도 차이를 완화한다. 마지막으로, 디코더에 컨볼루션-치환 자기 주의 모듈을 설계하여 전역 정보를 융합하고 네트워크가 이미지 재구성을 유도하도록 촉진한다. 제안한 방법은 UIEB 데이터셋에서 테스트되었으며 PSNR, SSIM, LPIPS 세 지표에서 각각 23.42, 0.9005, 0.1385의 성능을 기록하였고, LSUI 데이터셋에서는 각각 29.35, 0.9382, 0.0880의 성능을 기록하였다. 실험 결과는 제안한 방법이 색상 왜곡 복원과 세부 흐림 감소에 효과적임을 입증하였다.

수중 이미지 향상; 딥러닝; 특징 융합; 주의 메커니즘; 컨볼루션 신경망