挖掘单尺度特征的潜能：面向水下光学图像增强的分解网络
计算机视觉与模式识别
2025-08-07 v1 图像与视频处理
摘要
水下图像增强（UIE）技术旨在通过解决由光吸收和散射引起的图像退化问题（包括颜色失真、模糊和低对比度）而提升水下捕获图像的视觉质量。当前主流解决方案主要采用多尺度特征提取（MSFE）机制，通过多分辨率特征融合来增强重建质量。然而，我们的广泛实验表明，高质量图像重建并不一定依赖于多尺度特征融合。与流行信念相反，我们的实验表明，仅使用单尺度特征提取即可匹配或超越多尺度方法的性能，显著降低复杂度。为全面探索水下增强中单尺度特征的潜能，我们提出了创新的单尺度分解网络（SSD-Net）。该架构引入了非对称分解机制，将输入图像分解为干净层和退化层。前者包含场景内在信息，后者编码介质引起的干扰。该架构通过两个核心模块独特地将 CNN 的局部特征提取能力与 Transformer 的全局建模优势相结合：1）平行特征分解块（PFDB），通过高效注意力操作和自适应稀疏 Transformer 实现双分支特征空间解耦；2）双向特征通信块（BFCB），实现跨层残差互动，促进互补特征的挖掘和融合。这种协同设计保持特征分解的独立性，同时建立动态的跨层信息通道，有效增强了退化解耦能力。
引用
@article{arxiv.2508.04123,
title = {Excavate the potential of Single-Scale Features: A Decomposition Network for Water-Related Optical Image Enhancement},
author = {Zheng Cheng and Wenri Wang and Guangyong Chen and Yakun Ju and Yihua Cheng and Zhisong Liu and Yanda Meng and Jintao Song},
journal= {arXiv preprint arXiv:2508.04123},
year = {2025}
}