基于混合Mamba-Transformer网络的水下图像增强方法

《Scientific Reports》：Rethinking underwater image enhancement via a hybrid Mamba–transformer network

　　

摘要

水下成像同时受到非均匀光照和多路径光散射的影响，往往导致严重的退化，如颜色失真、对比度降低和细节模糊。这些退化严重阻碍了高层视觉任务的性能，包括水下目标检测。为了解决这些挑战，本文提出了一种用于水下图像增强的混合 Mamba-Transformer 网络，以混合 Mamba-Transformer 模块为核心，该模块将局部状态空间建模与相位引导的频率域自注意力相结合。具体而言，局部状态空间分支采用四方向选择性扫描来捕获局部结构信息和纹理连续性，而频率域自注意力分支则利用相位信息来建模互补的频率感知上下文相关性。通过它们的协同建模，所提出的框架为水下图像中的局部结构退化和与频率相关的特征失真提供了统一的表征。作为对此核心设计的补充，还引入了混合深度卷积前馈网络和基于小波的降采样模块，以进一步精炼跨通道特征，抑制噪声干扰，并在特征转换期间保留结构细节。在多个基准数据集上的大量实验表明，所提出的方法在相对较低的模型复杂度下始终取得具有竞争力或更优的增强性能，验证了其在水下图像增强中的有效性和鲁棒性。