Para realizar a correção de cores e aprimoramento de detalhes em imagens subaquáticas de baixa qualidade, foi proposta um método de aprimoramento de imagens subaquáticas baseado em transformada wavelet multinível do grosso ao fino. Primeiro, a imagem subaquática é decomposta em uma imagem de baixa frequência e uma série de imagens de alta frequência através da transformada wavelet multinível; em seguida, foi proposta uma rede de aprimoramento de imagens subaquáticas multinível do grosso ao fino, contendo uma sub-rede de aprimoramento de imagens baseada em transformada wavelet multinível e uma sub-rede de refinamento construída com um módulo de Runge-Kutta de segunda ordem. A sub-rede de aprimoramento de imagens baseada em transformada wavelet multinível é usada para estimar o resultado preliminar do aprimoramento da imagem subaquática, incluindo um ramo de baixa frequência e um de alta frequência. O ramo de baixa frequência corrige a informação de cor da imagem de baixa frequência, considerando o problema de correção de cor como uma transformação implícita de tipo, e utiliza normalização de instância e normalização posicional, comumente usadas na transformação de tipo, para a correção de cor no ramo de baixa frequência. Para se adaptar às operações do ramo de baixa frequência, o ramo de alta frequência melhora realisticamente as bordas e detalhes da imagem de alta frequência, calcula uma máscara de aprimoramento de detalhes de alta frequência combinando as informações do ramo de baixa frequência e a imagem de alta frequência; a máscara é amostrada progressivamente para cima e multiplicada pelas imagens de alta frequência obtidas em cada nível da transformada wavelet para aprimorar os detalhes. A transformada wavelet inversa é implementada para obter a imagem subaquática preliminarmente aprimorada; finalmente, é projetada uma sub-rede de refinamento baseada em um módulo de Runge-Kutta de segunda ordem para refinar ainda mais o resultado preliminarmente aprimorado. Os resultados experimentais mostram que o algoritmo proposto apresenta um efeito de aprimoramento melhor em comparação com os algoritmos existentes de aprimoramento de imagens subaquáticas, com um aumento no valor de PSNR de até 9% em imagens subaquáticas sintéticas e reais. Atende aos requisitos de correção de cores, aprimoramento de detalhes e clarificação para tarefas visuais subaquáticas.

Óptica subaquática;Transformada wavelet;Aprendizado profundo;Correção de cores;Runge-Kutta