基于轻量级非线性无激活网络的水下图像增强OA北大核心CSTPCD

为解决水下图像常见的色彩偏差和低对比度等问题,提出了一种基于轻量级非线性无激活网络的水下图像增强方法。该方法的核心主要由多个非线性无激活模块级联构成,摒弃传统激活函数,旨在实现更高效的信息传递和特征提取。此外,集成的层注意力机制能够识别并利用跨层特征间的依赖性,动态分配特征权重,强化关键特征。试验结果显示,在LSUI(Large Scale Underwater Image)数据集上,该模型与FUnIE-GAN及Shallow-UWnet相比,在SSIM指标上分别实现了8.17%和4.13%的提升,使得增强后的图像在颜色准确性、细节保留等方面取得显著改善;同时,模型的参数量分别降低98%和50%,显著提高了在设备性能受限环境下应用的可行性。研究表明,该方法不仅有效校正了水下图像的色彩偏差等问题,其轻量级特性还极为适合部署于低配硬件上,为水下成像技术的实际应用提供支撑。