1. 项目概述
水下图像增强(Underwater Image Enhancement, UIE)是计算机视觉领域的一个重要研究方向,旨在改善水下拍摄图像的质量。由于水下环境的特殊性,光线在水中传播时会受到吸收和散射的影响,导致图像出现颜色失真、对比度降低和模糊等问题。传统的水下图像增强方法主要基于物理模型,如Retinex理论和水下成像模型,但这些方法在复杂场景下效果有限。
近年来,深度学习技术在水下图像增强领域取得了显著进展。然而,现有的基于生成对抗网络(GAN)的方法存在训练不稳定、模式崩塌等问题。本文提出了一种基于Transformer的条件扩散模型(Transformer-based Diffusion Model),通过引入非均匀采样策略(Non-uniform Sampling for Skip Strategy)来提升水下图像增强的效果和效率。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 核心原理与技术路线
2.1 扩散模型基础
扩散模型(Diffusion Model)是一种生成模型,包含前向过程和反向过程两个阶段:
- 前向过程:通过逐步添加高斯噪声,将清晰图像逐渐转化为纯噪声图像
- 反向过程:训练神经网络从噪声图像逐步去噪,恢复出清晰图像
数学上,前向过程可以表示为:
code复制q(x_t|x_{t-1}) = N(x_t; √(1-β_t)x_{t-1}, β_tI)
其中β_t控制噪声添加的强度。
2.2 条件扩散模型
传统扩散模型从随机噪声生成图像,输出具有多样性。但在水下图像增强任务中,我们需要生成与输入图像对应的特定增强结果。为此,本文提出了条件扩散模型:
- 条件输入:将水下退化图像作为条件c输入网络
- 训练目标:最小化预测噪声与真实噪声的L1损失:
code复制L_s = ||ε_t - ε_θ(x_t,c,t)||
- 反向采样:通过迭代公式逐步生成增强图像:
code复制x_{t-1} = (x_t - β_t/√(1-α_t)ε_θ(x_t,c,t))/√(1-β_t) + σ_t z
2.3 Transformer去噪网络
本文设计了一个轻量级的基于Transformer的去噪网络,主要特点包括:
- 通道注意力机制:在通
