基于频域的SFormer：SNR引导的Transformer用于水下图像增强
计算机视觉与模式识别
2025-08-27 v1
摘要
近期基于学习的水下图像增强(UIE)方法通过纳入物理先验到深度神经网络中取得了进展，尤其是利用信噪比(SNR)先验以减少波长相关衰减。然而，空间域SNR先验存在两个局限性：(i) 无法有效分离跨通道干扰，(ii) 在放大信息丰富的结构同时抑制噪声方面提供的帮助有限。为此，我们提出在频域中使用SNR先验，将特征分解为�幅和相位谱以实现更好的通道调制。我们引入傅里叶注意力SNR先验Transformer(FAST)，将谱系相互作用与SNR线索相结合，以突出显示关键谱分量。此外，频率自适应Transformer(FAT)瓶颈使用门控注意力机制合并低频和高频分支以增强感知质量。嵌入统一的U型架构中，这些模块将常规RGB流与SNR引导分支集成，形成SFormer。在训练4800张来自UIEB、EUVP和LSUI的配对图像后，SFormer在最新方法上取得了3.1 dB的PSNR提升和0.08的SSIM提升，成功地恢复了水下场景中的颜色、纹理和对比度。
关键词
引用
@article{arxiv.2508.18664,
title = {SFormer: SNR-guided Transformer for Underwater Image Enhancement from the Frequency Domain},
author = {Xin Tian and Yingtie Lei and Xiujun Zhang and Zimeng Li and Chi-Man Pun and Xuhang Chen},
journal= {arXiv preprint arXiv:2508.18664},
year = {2025}
}
备注
Accepted by PRICAI2025