信息与控制

作者：牛奔, 李亿平, 周天薇, 高宏伟

关键词：图像增强, 深度学习, 轻量化网络

水下成像技术面临着由于光线吸收和散射而导致的对比度降低和色彩偏移的挑战，这些问题在海洋和水下环境中的图像依赖应用中尤为明显。为了克服传统方法的局限性，本研究设计了一个轻量模块化水下网络，称为LMUW-Net (Lightweight Modular Underwater Network)，旨在提高水下图像的视觉质量和色彩真实性，同时避免显著增加网络复杂度。该框架首先通过基础特征提取，获得并增强水下图像的结构特征。然后，结合红绿蓝三通道颜色增强和全局稀疏特征增强的强大能力，有效提取图像的全局信息，增强水下退化图像的对比度与亮度。同时显著降低了计算复杂度和内存需求，通过网络结构优化和参数共享机制，不仅保证了实时处理的可能性，还确保了增强后图像在视觉质量和色彩真实性方面的显著改善。在多个公开水下图像数据集上的实验结果显示，在LMUW-Net可训练参数值仅为9 000的前提下，在峰值信噪比和结构相似性指数这两个图像评价指标上相比现有方法分别提高了5%和3%，突显了其在增强水下图像视觉效果和提高计算效率方面的明显优势。综合而言，本研究提供的网络为水下图像处理领域提供了一个综合性的增强解决方案，特别适用于需要实时处理的应用场景，有效提升水下图像的清晰度。

来源：2025年第2期

《信息与控制》期刊编辑部

查看信息与控制杂志2025年第2期