水下图像复原扩散模型

自适应双分支融合

针对低照度与光照干扰场景，设计了自适应双分支融合条件扩散模型，结合全注意力噪声估计与带亮度校正的多尺度Retinex，恢复水下图像的颜色和清晰度。

Wang, Yingbo · Kun, He · Qiang, Qu · 杜晓刚 · 柳童斐 · 雷涛 · Nandi, Asoke Kumar

IEEE Transactions on Circuits and Systems for Video Technology 2025

技术优势

适应复杂水下环境

模型采用自适应双分支融合结构，能够应对光照干扰、低照度和非均匀浑浊等复杂动态水下环境。

精确校正颜色与清晰度

设计的U形全注意力网络结合注意力块，在扩散模型的反向过程中进行噪声估计，有效校正水下图像的色偏并增强清晰度。

缓解低照度过曝

GMSRBC 方法包含自适应亮度校正模块，在光照干扰下增强低照度水下图像时，能有效调整亮度，避免过曝。

优于现有最佳方法

在三个具有挑战性的公开数据集上，Water-CDM 的复原结果均优于当前最先进的方法。

应用场景

• 水下机器人视觉：提升水下机器人视觉系统获取图像的质量，辅助后续目标识别与导航。
• 水下无人机：为水下无人机拍摄的图像提供复原，改善低照度与浑浊条件下的可视性。
• 视觉感知：作为视觉感知的预处理模块，增强图像信息，提高后续感知算法的准确性。