Para abordar el problema de la desviación del color y el desenfoque de detalles en imágenes submarinas causados por la dispersión y atenuación de la luz en el entorno submarino, se propone una red de mejora de imágenes submarinas con fusión global de características basada en una U-Net mejorada. Primero, se diseñaron módulos convolucionales residuales múltiples en el codificador y decodificador para fusionar la información de características en diferentes niveles, reduciendo la pérdida de detalles. Segundo, se introdujo un módulo de atención de canal en el decodificador para ponderar los canales, mitigando el problema de la degradación desigual de canales. Finalmente, se diseñó un módulo convolucional de autoatención permutacional en el decodificador para fusionar información global, promoviendo la reconstrucción guiada por la red. El método propuesto se probó en el conjunto de datos UIEB, logrando puntajes finales de PSNR, SSIM y LPIPS de 23.42, 0.9005 y 0.1385 respectivamente, y en el conjunto de datos LSUI, con resultados finales de 29.35, 0.9382 y 0.0880. Los resultados experimentales demuestran que el método propuesto es efectivo y factible para restaurar la desviación del color y reducir el desenfoque de detalles.

mejora de imágenes submarinas; aprendizaje profundo; fusión de características; mecanismo de atención; redes neuronales convolucionales