基于色彩校正和TransFormer细节锐化的水下图像增强

针对水下图像对比度低、细节表现差且存在色偏等问题，提出了一种多输入的基于TransFormer和卷积神经网络（CNN）的水下图像复原方法。利用TransFormer和相对总变差（RTV）构造深度特征提取模块，融合RTV提取的纹理图与TransFormer提取到的图像信息，有效增强了图像的细节特征。利用自动色彩均衡和Lab色彩空间构建色彩校正模块，提升图像对比度，同时校正颜色。利用多项损失函数约束网络收敛，得到增强后的清晰水下图像。最后，将本文方法与其他方法在测试集上进行定量和定性对比分析，实验结果表明，经过本文方法处理后的图像在清晰度、色彩表现和纹理信息方面均优于其他对比方法。