Для решения проблемы цветовых искажений и размытия деталей на подводных изображениях, вызванных рассеянием и затуханием света в подводной среде, предлагается сеть улучшения подводных изображений с глобальным объединением признаков на основе улучшенной U-Net. Во-первых, в энкодере и декодере спроектированы многослойные остаточные сверточные модули для поуровневого объединения признаков, уменьшающие потерю деталей. Во-вторых, в декодере введён модуль внимания по каналам для взвешивания каналов, что облегчает проблему неоднородного ухудшения каналов. Наконец, в декодере разработан сверточно-перестановочный модуль самовнимания для объединения глобальной информации, способствующий восстановлению изображения. Предложенный метод протестирован на датасете UIEB с итоговыми показателями PSNR, SSIM и LPIPS 23,42, 0,9005 и 0,1385 соответственно, а также на датасете LSUI с результатами 29,35, 0,9382 и 0,0880. Экспериментальные результаты показывают, что предложенный метод эффективен и применим для восстановления цветовых искажений и уменьшения размытия деталей.

улучшение подводных изображений;глубокое обучение;объединение признаков;механизм внимания;сверточные нейронные сети