WWE-UIE：一种基于小波与白平衡的高效 underwater 图像增强网络
计算机视觉与模式识别
2025-11-21 v1
摘要
Underwater Image Enhancement (UIE) 旨在恢复可见性并纠正由波长相关吸收和散射引起的颜色失真。最近的混合方法将域先验与现代深度神经网络架构结合，虽取得了优异性能，但计算成本高，限制了其在实际场景中的实时应用。本文提出 WWE-UIE，一个紧凑且高效的增强网络，集成了三个可解释的先验条件。首先，自适应白平衡缓解了强烈的波长相关色度衰减，尤其是蓝绿色调的主导性。其次，小波增强模块 (WEB) 执行多带分解，使网络能够捕获全局结构和细微纹理，这些是 underwater 修复的关键。第三，梯度感知模块 (SGFB) 利用可学习的 Sobel 算子显式保留因散射导致的边缘结构。大量基准数据集上的实验表明，WWE-UIE 在显著减少参数数量和 FLOPs 的情况下，实现了具竞争力的恢复质量，能够在资源受限的平台上实现实时推理。消融研究和可视化结果进一步验证了每个组件的贡献。源码已公开于 https://github.com/chingheng0808/WWE-UIE。
关键词
引用
@article{arxiv.2511.16321,
title = {WWE-UIE: A Wavelet & White Balance Efficient Network for Underwater Image Enhancement},
author = {Ching-Heng Cheng and Jen-Wei Lee and Chia-Ming Lee and Chih-Chung Hsu},
journal= {arXiv preprint arXiv:2511.16321},
year = {2025}
}