심각한 색 편차와 고도로 탁한 수중 환경으로 인해 이미지 대비 감소 및 텍스처 손실 문제가 발생하는 상황에서, 공간 영역과 주파수 영역을 융합한 다중 스케일 딥러닝 이미지 향상 네트워크를 제안한다. Retinex 물리 메커니즘과 다중 스케일 심층 특징을 융합하여 탁한 수중 환경 내 산란 잡음 간섭을 효과적으로 완화하였다. 혼합 합성곱과 공간-주파수 주의 메커니즘을 구축하였으며, 네트워크 인코딩 및 디코딩 단계에 이중 경로 주의 구조를 삽입하여 두 영역의 특징을 동기적으로 캡처함으로써 복잡한 저하 환경에서의 모델링 능력을 강화했다. 적응형 선택적 커널 융합 메커니즘을 활용해 심층 의미론적 특징을 정제하여 복잡한 환경에서 세부 텍스처 재구성과 색 편향의 정밀 보정을 실현하였다. 실험 결과, 탁도 54.11 NTU의 무색 편향, 녹색 색 편향 및 청색 색 편향 탁수 이미지에서 제안된 방법이 최적 비교 방법 대비 PSNR 지표를 각각 평균 0.464, 0.473 및 1.944 dB 향상시키고 LPIPS 지표는 평균 0.94% 감소시켰음을 보여준다. 본 방법은 탁수 이미지 향상에 우수한 성능을 보이며 수중 로봇의 시각 품질 향상을 위한 효과적인 방안을 제공할 수 있다.

컴퓨터 비전; 수중 영상 향상; 탁수; 딥러닝