Propõe-se uma rede de aprimoramento de imagens subaquáticas com fusão global de características baseada numa U-Net aprimorada para abordar o problema de desvios de cor e desfoque de detalhes causados pela dispersão e atenuação da luz durante a propagação em ambiente subaquático. Primeiramente, módulos convolucionais residuais múltiplos foram projetados no codificador e decodificador para realizar a fusão hierárquica das informações de características, reduzindo a perda de detalhes. Em seguida, um módulo de atenção por canal foi introduzido no decodificador para ponderar os canais, aliviando o problema da degradação desigual dos canais. Por fim, um módulo de autoatenção convolucional com permutação foi projetado no decodificador para integrar informações globais, promovendo a reconstrução de imagens guiada pela rede. O método proposto foi testado no conjunto de dados UIEB, alcançando resultados de 23,42, 0,9005 e 0,1385 nos índices PSNR, SSIM e LPIPS, respectivamente, e no conjunto de dados LSUI, alcançando 29,35, 0,9382 e 0,0880 nos mesmos índices. Os resultados experimentais demonstram 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