基于脱雾与色彩恢复的水下图像增强

水下视觉成像是海洋工程中的关键环节，但因对比度低、模糊以及颜色退化等问题，限制了后续分析的效果。现有水下图像增强方法常将雾霾与色彩偏移视为统一的退化过程，忽略了它们的内在独立性，同时也忽略了它们之间的协同关系。为此，我们提出了基于Vision Transformer（ViT）的网络结构（称为WaterFormer），以提升水下图像质量。WaterFormer包含三个主要组成部分：用于捕获自相关雾霾特征并提取深层特征的脱雾模块（DehazeFormer模块），用于捕获自相关色彩偏移特征的颜色恢复模块（CRB），以及动态整合这些解耦特征以实现综合增强的通道融合模块（CFB）。为确保结果的真实性，我们引入了基于水下成像物理模型的软重建层。进一步地，我们设计了色度一致性损失和Sobel颜色损失，分别在网络训练过程中保持颜色保真性并增强结构细节。全面的实验结果表明，WaterFormer在增强水下图像方面优于其他最先进的方法。