HASNet：基于层级注意力和串行阶段分解的水下图像增强方法

《Signal Processing: Image Communication》：HASNet: Underwater image enhancement via Hierarchical Attention and Serial-Stage Decomposition

　　

• •
  提出了一种用于水下图像增强的串行两阶段框架。
• •
  设计了层次化注意力机制，用于局部、结构化和全局特征校准。
• •
  开发了一个残差门控模块，用于保留纹理的噪声抑制。
• •
  将增强和去噪分解为松散耦合的子任务。

引言

水下图像对于探索、目标识别和机器人导航等任务至关重要[1]，但由于光线传播和复杂的水下环境，这些图像通常会遭受退化——颜色失真、低对比度和模糊[2]。将这些退化图像恢复到高质量仍然是一个关键的研究挑战[3], [4]。

传统的 underwater image enhancement 方法，如基于物理的建模[5], [6], [7], [8]、直方图均衡化[9], [10], [11]、Retinex 分解[12], [13], [14], [15]和多尺度融合[16], [17], [18], [19]，通常严重依赖手工设计的先验知识。代表性的传统多阶段方法包括 BRUE [20]、C3HLM [21] 和 SPDF [22]，这些方法将恢复过程分解为顺序步骤，但由于其手工设计的先验知识，适应性仍然有限。

随着深度学习技术在各个领域快速发展[23], [24], [25], [26]，基于深度学习的水下图像增强方法引起了越来越多的关注。根据网络架构和实验对比分析的要求，本文讨论的基于深度学习的方法可以大致分为三类。第一类由单阶段端到端网络组成，例如 ERD [27]、WaterMamba [28] 和 UWCNN [29]。这些方法直接学习从退化图像到增强图像的映射[30], [31], [32]，但在同时处理颜色校正、细节恢复和噪声抑制时可能会遭受优化冲突。第二类包括注意力驱动的方法，例如 LAnet [33] 和 MV-Adapter [34]。尽管注意力机制改进了特征表示，但这些方法中的许多集中在单一粒度上的注意力建模，这限制了它们捕获多尺度退化特征的能力。第三类包含多阶段级联方法，例如 SMDR [35] 和 MuLa [36]。这些方法将增强过程分解为多个阶段，但阶段性损失设计或特征融合策略往往会增加整体网络复杂度。

为了解决上述现有算法的各种缺点，本文提出了 HASNet，一种用于水下图像增强的串行两阶段网络框架。该框架采用松散耦合架构，并利用结构化归纳偏置[37] 将图像增强任务与去噪任务解耦。第一阶段由层次化注意力主干网（HAB）组成，负责全局图像恢复；第二阶段由细化模块（RM）组成，用于抑制图像中的残余噪声和伪影。

这种结构化任务分解有效缓解了多目标优化冲突。松散耦合的两阶段流水线支持统一的端到端训练，无需复杂的跨阶段特征传输或中间监督损失。它解决了传统单阶段端到端网络（包括 UWCNN [29]、WaterMamba [28] 和 BRUE [20]）在联合训练中所遭受的优化冲突问题。

HASNet 的层次化注意力主干网（HAB）集成了三种类型的注意力单元——局部注意力残差块（LARB）、结构聚合组（SAG）和全局注意力校准器（GAC）——以在每个层级执行多尺度特征校准。这种设计使模型能够从图像中有效提取多尺度特征。

HASNet 整合了一个带有残差门控结构的细化优化模块（RM），该模块在其专用的高维特征空间中消除残余噪声和伪影，以实现细粒度的增强后细化。

与现有的多阶段算法（如 MPRNet [38] 和 SMDR [35]）不同，HASNet 移除了跨阶段特征共享、跳跃连接和中间损失监督，仅采用截断的 RGB 图像作为信息传输介质。这种结构解耦策略在优化层面上将增强和去噪的学习目标分离，避免了联合训练过程中结构重建和噪声抑制之间的相互干扰。与以往在子网络之间传输高维潜在特征的多阶段流水线不同，我们基于图像的信息隔离机制大大缓解了梯度耦合和多任务优化冲突。

主要贡献如下：

• •
  为了进一步改善水下图像质量，本研究开发了一种名为 HASNet 的新型水下图像增强框架。与简单组装现有网络组件不同，本工作提出了一种基于图像域交互的松散耦合串行任务分解策略。它将整体图像恢复流水线分为两个连续的功能阶段：图像增强和噪声优化。与以往共享潜在特征并采用中间监督损失的多阶段网络不同，我们的框架将截断的 RGB 图像作为跨阶段的唯一信息介质。这种任务划分缓解了单阶段网络中固有的多目标优化冲突，并在高质量图像增强和有效噪声抑制之间实现了良好的权衡。
• •
  我们提出了一种紧密串联的层次化注意力主干网（HAB），由三个相互补充的注意力单元组成。我们的创新之处在于渐进式三级串联工作流：LARB 执行像素级局部特征校正，SAG 将局部纹理聚合为中级结构表示，GAC 作为全局语义校准器。这种顺序耦合的层次结构从局部像素到全局语义捕获多尺度水下退化特征，这是通过简单堆叠单个注意力块无法复现的。
• •
  我们设计了一个配备残差门控机制的噪声减少细化模块（RM）。RM 不是将去噪操作嵌入主增强主干网内部，而是接收 HAB 的截断 RGB 输出，并在其独立的高维特征空间内抑制残余伪影和噪声。这种设计实现了从粗到细的图像恢复范式，并避免了联合训练过程中结构重建和噪声抑制之间的相互干扰。

在 UIEB [2]、EUVP [39] 和 LSUI [40] 数据集上的实验表明，HASNet 在定量指标（如 PSNR、SSIM）和图像质量方面均优于最先进的竞争方法。

章节摘要

相关工作

水下图像增强技术主要分为两大类：传统方法和基于深度学习的方法。为了便于后续的对比分析，本文将深度学习方法进一步分为三种架构类型：单阶段端到端网络、基于注意力的模型和多阶段分解架构。SMDR 和 MuLa 是具有内置注意力模块的深度多阶段模型，仅在关于多阶段方法的章节中讨论。

方法

HASNet 由两个基本模块组成：层次化注意力主干网（HAB，结构为 LARB → SAG → GAC）和去噪细化模块（RM）。HAB 利用多级注意力方案来校准颜色信息并提升多个特征尺度的对比度，这作为整体流水线的增强阶段。在后续阶段，RM 模块以受限的 RGB 图像作为输入。在其专属的高维特征空间内，它采用

实验与分析

为了全面评估 HASNet，我们进行了对比实验和消融研究。HASNet 在三个流行数据集（UIEB [2]、EUVP [39]、LSUI [40]）上与十一种最先进的算法进行比较，证明在定性和定量方面都优于它们。UIEB 上的异常消融实验证实了每个核心模块的个体贡献和协同性能。本章节涵盖实验组织、对比

结论

在本文中，我们提出了 HASNet，它将水下图像增强分解为两个连续的串行阶段：增强和去噪。层次化注意力主干网（HAB）的实现包含三级注意力模块，即 LARB、SAG 和 GAC；这些模块通过消融实验被证明在低层像素级校正、中层结构信息聚合和全局语义校准方面至关重要。基于残差门控机制的

CRediT 作者贡献声明

冯向荣：撰写——初稿，方法论，调查研究。李林芳：资源。冯一凡：撰写——初稿。郑丽媛：数据整理。李国厚：正式分析，数据整理。

利益冲突声明

作者声明他们没有已知的竞争财务利益或个人关系，这些关系可能会影响本文报告的工作。

致谢

本工作部分由河南省科技专项研发计划（资助号 262102111165）支持。

冯向荣|李林芳|冯一凡|郑丽媛|李国厚