一种双注意力融合生成对抗网络的水下图像增强模型

摘要

针对水下图像在生成过程中会受到水下杂质污染以及光的吸收等问题，提出了一种双注意力融合生成对抗网络的水下图像增强模型。该模型使用了最新的Pix2Pix网络架构，并通过构建的双注意力机制结构建立丰富的上下文信息来处理水下图像，在模型生成器UNet网络首部增加了改进型Non-local模块，从多尺度角度获取更多全局特征，从而得到更加清晰的图像，在生成器尾部引入了Transformer模块，通过其优异的多头注意力块和多层感知机等结构来提升模型综合性能，从而进一步提升模型语义信息提取能力。实验结果表明，该模型在基准数据集EUVP上的峰值信噪比、结构相似性、水下图像质量评价指标相比其他模型平均提升了5.83%、4.88%和18.02%，而在基准数据集EUVP上的相应指标平均提升了6.21%、17.33%和15.96%。在主观可视化结果下，该模型也能适当处理图像退化问题，使图像呈现更好的清晰度和对比度。

关键词

生成对抗网络 / 全局信息 / 改进型Non-local模块 / 双注意力融合 / 水下图像增强