基于掩码引导的区域感知水下图像增强Mamba网络

《Scientific Reports》：Mask-guided region-aware underwater image enhancement Mamba network

　　

摘要

水下图像经常受到区域性不一致退化的影响。具体而言，图像中的前景物体、背景区域和边界表现出不一致且相互冲突的退化状态，这影响了水下图像增强（UIE）网络的处理性能。现有的UIE网络会对整个水下图像进行增强，而忽略了不同区域之间的退化差异。这可能导致前景细节丢失、背景增强效果不佳，以及在边界处出现伪影或失真。为了解决这个问题，我们提出了MRU-Mamba，这是一个基于Mamba技术的、基于掩码指导的区域感知型水下图像增强网络。MRU-Mamba网络使用语义掩码对图像的前景、背景和边界区域进行分割，并对不同区域应用面向区域的选择性扫描（ROSS）策略。ROSS利用区域感知的空间选择性扫描（RSSS）和区域感知的信道选择性扫描（RCSS）分别在空间和信道维度上整合长距离依赖性，以实现精确的纹理恢复和颜色建模。在多个基准测试上的大量实验表明，MRU-Mamba在定性和定量实验结果方面都优于现有的UIE方法。