O ambiente subaquático apresenta fenômenos complexos de atenuação e dispersão da luz, fazendo com que as imagens originais capturadas pelos dispositivos de imagem sofram uma degradação significativa na qualidade. Métodos de realce de imagem subaquática baseados em aprendizado profundo melhoraram em certa medida a qualidade das imagens originais, mas os métodos existentes geralmente utilizam conjuntos de dados pareados sintéticos ou gerados por modelos para treinamento. Devido à grande diferença na distribuição dos dados entre as amostras de treinamento e as imagens reais, é comum ocorrer realce excessivo e remoção insuficiente de desvios de cor. Para resolver esses problemas, este artigo propõe um modelo de realce de imagem subaquática que combina transferência de domínio e mecanismo de atenção. Primeiramente, foi projetada uma rede geradora de imagens de transferência de domínio, que combina um modelo físico de formação de imagens e um classificador do tipo de água, aprendendo o mapeamento das descrições de características entre imagens de diferentes domínios em diferentes cenários, reduzindo a disparidade entre as imagens geradas e as reais. Em seguida, foi projetada uma rede codificador-decodificador de atenção mista em múltiplas escalas, que, ao introduzir conexões eficientes de características e um mecanismo de fusão de atenção, melhora a capacidade da rede de realçar regiões locais de detalhes da imagem. Por fim, foi proposta uma função de perda de consistência de correlação global de domínio, que constrói a consistência de conteúdo e estrutura das imagens geradas em diferentes estágios do processo de transferência de domínio, treinando melhor os parâmetros do modelo e melhorando a qualidade do realce da imagem. O modelo proposto alcançou precisões nos índices UIQM e UCIQE nos conjuntos de dados reais subaquáticos UIEB e EUVP de 3.1401, 0.6021 e 3.0768, 0.6124, respectivamente. Os resultados experimentais mostram que o modelo pode melhorar efetivamente a qualidade do realce das imagens subaquáticas, com recuperação de cor mais natural e efeito de realce de detalhes mais evidente.

realce de imagens subaquáticas; transferência de domínio; redes adversariais generativas; aprimoramento por atenção