Transformateur en U pour l’amélioration des images sous-marines

L'absorption et la diffusion de la lumière par les impuretés sous-marines entraînent une qualité d'imagerie sous-marine médiocre. Les techniques actuelles d'amélioration d'images sous-marines basées sur des données souffrent du manque d'un ensemble de données à grande échelle contenant diverses scènes sous-marines et des images de référence de haute fidélité. De plus, l'atténuation incohérente dans différentes bandes de couleur et zones spatiales n'est pas pleinement prise en compte pour une amélioration optimale. Dans cette étude, nous avons construit un ensemble de données d'images sous-marines à grande échelle (LSUI) comprenant 5004 paires d'images, et nous avons présenté un réseau neuronal en forme de U basé sur le modèle Transformer, où ce dernier est utilisé pour la première fois dans la tâche d'amélioration d'images sous-marines (UIE). Le réseau neuronal en forme de U basé sur le modèle Transformer est intégré avec un module de fusion de caractéristiques multi-échelles par canal (CMSFFT) et un module de modélisation globale des caractéristiques spatiales (SGFMT), qui renforcent l'attention du réseau aux canaux de couleur et aux zones spatiales présentant une atténuation plus sévère. Parallèlement, afin d'améliorer davantage le contraste et la saturation, une nouvelle fonction de perte combinant les espaces de couleurs RGB, LAB et LCH a été conçue en suivant le principe de la vision humaine. Des expériences approfondies menées sur des ensembles de données disponibles ont validé les performances exceptionnelles de la technique présentée, avec une supériorité dépassant 2 dB.