DUAC-Net：融合双重注意力Transformer与自适应颜色校正的水下图像增强网络

王燕，牛梦圆，徐婕

（兰州理工大学 计算机与人工智能学院） 

摘要：尽管水下图像增强领域已有一定进展，但细节模糊、色彩对比度低和亮度不足等问题仍制约着现有技术的发展。针对这些问题，本文提出了一种融合双重注意力Transformer与自适应颜色校正的水下图像增强网络（DUAC-Net）。该网络设计了双重注意力协同Transformer模块，以及结合本文构建的基于颜色通道的注意力机制，能够有效提取并分配关键特征，从而提升对图像色彩信息的建模能力。为增强图像的细节表达能力，进一步提出多尺度深度可分离特征提取模块，以通过整合多路径信息实现高效的多尺度特征抽取。针对水下图像常见的对比度低与亮度不足问题，设计了改进的自适应颜色校正模块，并通过可学习的对比度与亮度调节参数实现图像颜色的动态优化。此外，引入离散小波变换以分离图像的低频与高频特征，提升特征表达的多样性和分辨能力。大量实验结果表明，DUAC-Net在三组参考数据集和三组无参考数据集上均显著优于现有先进方法。

关键词：水下图像增强，自适应颜色校正，双重注意力Transformer，多尺度特征提取，离散小波变换

扫二维码浏览全文 

Cite this article

Wang, Y., Niu, M. & Xu, J. DUAC-Net: Underwater Image Enhancement via Dual-Attention Transformer and Adaptive Color Correction. J. Shanghai Jiaotong Univ. (Sci.) (2025). https://doi.org/10.1007/s12204-025-2889-2