摘要

水下杂质的吸收和散射导致了较差的水下成像质量。现有的基于数据驱动的水下图像增强（UIE）技术由于缺乏包含各种水下场景和高保真参考图像的大规模数据集而受到限制。此外，不同颜色通道和空间区域的不一致衰减在增强过程中尚未得到充分考虑。在这项工作中，我们构建了一个包含5004对图像的大规模水下图像（LSUI）数据集，并首次将Transformer模型引入到UIE任务中，提出了一种U形Transformer网络。该U形Transformer网络集成了通道级多尺度特征融合Transformer（CMSFFT）模块和空间级全局特征建模Transformer（SGFMT）模块，这些模块增强了网络对颜色通道和空间区域中衰减更为严重的部分的关注。同时，为了进一步提高对比度和饱和度，根据人眼视觉原理设计了一种结合RGB、LAB和LCH色彩空间的新颖损失函数。在现有数据集上的广泛实验验证了所提出的技术具有超过2dB的优势，达到了当前最先进的性能。