Foi proposto um algoritmo de aprimoramento de imagens submarinas baseado em uma rede de atenção residual de múltiplos ramos para tratar problemas como distorção de cor, baixo contraste e detalhes desfocados em imagens submarinas. O algoritmo introduz módulos de aprimoramento de cor de múltiplos ramos antes e depois do codificador e decodificador para corrigir adaptativamente o desvio de cor da imagem. No gargalo da rede, foi projetado um módulo de atenção residual para reduzir a perda de características entre o codificador e o decodificador, fortalecendo os detalhes da imagem. Finalmente, foi construída uma função de perda combinada de características para assegurar que a rede pudesse aprender características ricas da imagem, melhorando as cores enquanto preserva efetivamente as informações das bordas. Comparações foram realizadas com seis métodos avançados utilizando os conjuntos de teste LUSI e EVUP, e os resultados experimentais mostraram que as imagens aprimoradas por este algoritmo alcançaram os melhores índices tanto em percepção subjetiva quanto em avaliação objetiva. No conjunto de teste LUSI, a média da relação sinal-ruído de pico (PSNR) e a similaridade estrutural (SSIM) atingiram 27,420 dB e 0,885 respectivamente, melhorando 3,9% e 0,8% em comparação ao segundo melhor método. No conjunto EVUP, PSNR e SSIM atingiram 26,159 dB e 0,851 respectivamente, melhorando 3,3% e 1,3% em relação ao segundo melhor método. O algoritmo apresenta bom efeito de aprimoramento da qualidade da imagem e estabilidade, podendo oferecer um método eficaz para análise de imagens na engenharia submarina.

aprimoramento de imagens submarinas; aprendizado profundo; módulo de atenção residual; módulo de aprimoramento de cor de múltiplos ramos; mecanismo de atenção; função de perda combinada