摘要
由于光线吸收和散射，水下图像存在严重的颜色失真、对比度低以及细节模糊的问题，这限制了其在海洋应用中的实际使用。现有的处理方法普遍存在泛化能力差、计算成本高以及物理先验整合不足的问题。为解决这些问题，本文提出了TIDE-Net，这是一种用于水下图像的三分支照明与细节增强网络。该网络将输入数据分解为照明、反射强度和色度三个分支进行并行优化，从而能够分别处理亮度、纹理和颜色退化问题。分段颜色校正模块能够在不产生伪影的情况下消除复杂的颜色偏差；轻量级的U-Net分支则在抑制噪声的同时提升细节表现；局部增益补偿模块则可提高亮度均匀性并减少光晕效应。在四个数据集上的实验表明，TIDE-Net的性能优于一些现有的先进方法，其PSNR值达到29.44 dB，SSIM值达到0.94，UIQM/UCIQE评分也具有竞争力，且模型参数仅为7.74百万。实验结果证实，所提出的三分支策略有效地平衡了物理可解释性、恢复质量与计算效率。总之，TIDE-Net是一种强大且轻量的解决方案，适用于资源有限的水下平台，能为现实世界中的水下视觉任务提供实用价值。
