色彩校正结合跨频谱细化：一种用于水下图像恢复的分布感知扩散模型
图像与视频处理
2025-01-10 v1
摘要
水下成像通常面临严重的视觉退化，这限制了其在后续应用中的适用性。尽管近期的水下图像增强（UIE）方法依赖于深度神经网络架构设计的最新进展，但在跨场景鲁棒性和计算效率方面仍有相当大的改进空间。扩散模型在图像生成方面取得了巨大成功，促使我们考虑将其应用于 UIE 任务。然而，直接将其应用于 UIE 任务会带来两个挑战，即高计算开销和颜色不平衡的扰动。为了解决这些问题，我们提出了 DiffColor，一种用于高效 UIE 的分布感知扩散与跨频谱细化模型。我们不在原始像素空间中进行扩散，而是将图像转换到小波域以获取低频和高频频谱，这在每次变换后本质上将图像空间维度减半。与单噪声图像恢复任务不同，由于水对光的选择性吸收，水下成像表现出不平衡的通道分布。为了解决这个问题，我们设计了全局色彩校正（GCC）模块来处理多样的颜色偏移，从而避免去噪过程中潜在的全局退化干扰。对于因水下散射而损失的图像细节，我们进一步提出了跨频谱细节细化（CSDR）以增强高频细节，并将其与低频信号结合作为引导扩散的输入条件。这种方式不仅确保了采样内容的高保真度，还补偿了损失的细节。综合实验表明，DiffColor 在定量和定性评估中均优于现有 SOTA 方法。
引用
@article{arxiv.2501.04740,
title = {Color Correction Meets Cross-Spectral Refinement: A Distribution-Aware Diffusion for Underwater Image Restoration},
author = {Laibin Chang and Yunke Wang and Bo Du and Chang Xu},
journal= {arXiv preprint arXiv:2501.04740},
year = {2025}
}