Para resolver o problema de desvios de cor e desfoque de detalhes em imagens subaquáticas causados pela dispersão e atenuação da luz no ambiente subaquático, propõe-se uma rede de aprimoramento de imagens subaquáticas com fusão global de características baseada numa U-Net aprimorada. Primeiramente, módulos convolucionais residuais múltiplos foram projetados no codificador e decodificador para realizar fusão hierárquica das informações de características, reduzindo a perda de detalhes. Em seguida, um módulo de atenção de canais foi introduzido no decodificador para ponderar os canais, atenuando o problema de degradação desigual dos canais. Por último, um módulo convolucional com autoatenção por permutação foi projetado no decodificador para fundir informações globais, promovendo a reconstrução guiada da imagem pela rede. O método proposto foi testado no conjunto de dados UIEB, alcançando resultados finais de 23,42, 0,9005 e 0,1385 para os índices PSNR, SSIM e LPIPS, respectivamente, e no conjunto de dados LSUI, com resultados finais de 29,35, 0,9382 e 0,0880. Os resultados experimentais mostram que o método proposto é eficaz e viável para restaurar desvios de cor e reduzir o desfoque de detalhes.

aprimoramento de imagens subaquáticas; aprendizado profundo; fusão de características; mecanismo de atenção; redes neurais convolucionais