基于轻量化U型Transformer的水下光学图像增强算法OA
水下光学成像受光在水介质中的散射与选择性吸收影响,会出现颜色偏移、对比度下降、细节模糊等图像退化问题,现有深度学习方法计算复杂度较高,难以满足实时成像需求.为解决上述问题,本文提出基于轻量化U型Transformer的水下光学图像增强算法(简称LWUT).其核心思想是在瓶颈层保留必要全局建模,在特征增强与融合层用高效注意力等效替代复杂交互,从而实现性能和效率的优化.设计高效自注意力Transformer精简瓶颈层,利用轻量通道Transformer和轻量跨尺度注意力构建低成本的通道和空间协同增强机制.同时,引入MobileNetV2感知损失与动态超参数调度策略,保持语义一致并稳定训练.实验结果表明,LWUT算法在色彩校正与细节恢复上的综合表现优于Retinex、UDCP、FUnIE-GAN等算法.相较于原始U型Transformer,该算法在PSNR等指标下降可忽略不计的情况下,参数量减少了54.7%,推理速度提升了92.4%,为水下视觉感知与成像等应用提供了可行的解决方案,在提高质量与计算效率之间实现了良好平衡.
王鑫;杨蕾;黄泽龙;吴志强
武汉轻工大学电气与电子工程学院,湖北武汉430023武汉轻工大学电气与电子工程学院,湖北武汉430023武汉轻工大学电气与电子工程学院,湖北武汉430023北京大学武汉人工智能研究院,湖北武汉430073
信息技术与安全科学
水下光学成像图像增强轻量化网络U型Transformer注意力机制
《陕西科技大学学报》 2026 (5)
P.203-213,11
国家重点研发计划项目(2022YFE0136800)国家自然科学基金项目(52271349)湖北省自然科学基金项目(2026AFD054)水声技术全国重点实验室稳定支持计划项目(JCKYS2023604SSJS009)。
评论