面向充分空间-频率交互的梯度感知水下图像增强

水下图像遭受复杂多样的退化，不可避免地影响水下视觉任务的性能。然而，大多数现有的基于学习的水下图像增强（UIE）方法主要在空间域中恢复此类退化，很少关注傅里叶频率信息。本文中，我们开发了一种基于空间-频率交互和梯度图的新型 UIE 框架，即 SFGNet，其包含两个阶段。具体而言，在第一阶段，我们提出密集空间-频率融合网络（DSFFNet），主要包括我们设计的密集傅里叶融合块和密集空间融合块，通过这两个块之间的交叉连接实现充分的空间-频率交互。在第二阶段，我们提出梯度感知校正器（GAC），通过梯度图进一步增强图像的感知细节和几何结构。在两个真实世界水下图像数据集上的实验结果表明，我们的方法能成功增强水下图像，并在视觉质量提升方面取得有竞争力的性能。代码可在 https://github.com/zhihefang/SFGNet 获取。