FUSION：基于频率引导的 underwater 空间图像重建
计算机视觉与模式识别
2025-04-15 v2 人工智能
机器学习
机器人学
图像与视频处理
摘要
水下图像因波长相关的衰减和散射，导致严重的退化，包括颜色失真、可见度降低和结构细节丢失。现有增强方法主要关注空间域处理，忽视了捕获全局颜色分布和长程依赖的频率域潜力。为解决这些限制，我们提出了FUSION，一个在空间域和频率域中联合利用信息的双域深度学习框架。FUSION通过空间域中基于多尺度卷积核和自适应注意力机制的独立RGB通道处理，同时通过基于FFT的频率注意力提取全局结构信息。频率引导融合模块整合两个域中的互补特征，随后进行跨通道融合和自适应通道校准，以确保颜色分布的平衡。在UIEB、EUVP和SUIM-E等基准数据集上的广泛实验表明，FUSION实现了最先进的性能，在重建保真度（UIEB上最高PSNR为23.717 dB，SSIM为0.883）、感知质量（UIEB上最低LPIPS为0.112）和视觉增强指标（UIEB上最佳UIQM为3.414）方面均优于现有方法，同时所需参数更少（0.28M）且计算复杂度更低，显示出其适用于实时水下成像应用的潜力。
引用
@article{arxiv.2504.01243,
title = {FUSION: Frequency-guided Underwater Spatial Image recOnstructioN},
author = {Jaskaran Singh Walia and Shravan Venkatraman and Pavithra LK},
journal= {arXiv preprint arXiv:2504.01243},
year = {2025}
}