提升视觉可靠性：实时水下图像的高保真色彩还原
计算机视觉与模式识别
2026-03-18 v1
摘要
水下图像增强在为水下平台提供可靠视觉信息方面发挥着关键作用，因为水中的强吸收和散射通常导致图像质量下降。现有高性能方法常依赖复杂的网络结构，阻碍在水下设备上的部署。轻量级方法往往为速度牺牲画质，并难以处理严重降级的水下图像。为此，我们提出一个具备精准色彩恢复能力的实时水下图像增强框架。首先，引入自适应加权通道补偿模块，以绿色通道作为参考锚点，实现对红蓝通道的动态色彩恢复。其次，我们设计了多分支可重参数化膨胀卷积，在训练时采用多分支融合，在推理时实现结构重参数化，实现大感受野的表征能力同时兼顾低计算开销。最后，引入统计全局色彩调整模块，基于统计先验优化整体色彩表现。在八个数据集上的大量实验表明，所提方法在七项评估指标上均实现了领先性能。该模型仅包含 3,880 个推理参数，推理速度可达 409 FPS。我们的 method 在多种环境条件下将 UCIQE 分数提升 29.7%，在 ROV 平台上的部署以及下游任务的性能提升进一步验证了其在实时水下任务中的优势。
引用
@article{arxiv.2603.16363,
title = {Advancing Visual Reliability: Color-Accurate Underwater Image Enhancement for Real-Time Underwater Missions},
author = {Yiqiang Zhou and Yifan Chen and Zhe Sun and Jijun Lu and Ye Zheng and Xuelong Li},
journal= {arXiv preprint arXiv:2603.16363},
year = {2026}
}