通过自适应语义感知码本学习提升水下图像
计算机视觉与模式识别
2026-02-12 v1 图像与视频处理
摘要
水下图像增强(UIE)是一种病态问题，缺乏自然干净参考，且不同语义区域的退化程度差异显著。现有UIE方法采用单一全局模型，忽略不同场景组件退化的不一致性。这一误导导致在异构水下场景中出现显著色彩失真和细节丢失，尤其是退化在不同图像区域差异显著时。因此，我们提出SUCode(语义感知水下码本网络)，实现基于语义感知的离散码本表示的自适应UIE。与单次码本方法不同，SUCode利用语义感知的、像素级码本表示以适应异构水下退化。采用三阶段训练范式表示原始水下图像特征，避免伪参考污染。Gated Channel Attention Module(GCAM)和Frequency-Aware Feature Fusion(FAFF)共同整合通道和频率线索，实现可靠的色彩恢复和纹理恢复。大量实验表明，SUCode在多个基准测试上实现了最先进性能，在参考和无参考指标上均超越了最近的UIE方法。代码将公开于https://github.com/oucailab/SUCode。
引用
@article{arxiv.2602.10586,
title = {Enhancing Underwater Images via Adaptive Semantic-aware Codebook Learning},
author = {Bosen Lin and Feng Gao and Yanwei Yu and Junyu Dong and Qian Du},
journal= {arXiv preprint arXiv:2602.10586},
year = {2026}
}
备注
Accepted for publication in IEEE TGRS 2026