[Paper] AQUA-Net：自适应频率融合与光照感知网络用于水下图像增强

Source: arXiv - 2512.05960v1

概览

本文提出了 AQUA‑Net，一种轻量级深度学习架构，能够同时处理水下摄影中常见的颜色偏移、低对比度和雾化伪影。通过将空间特征与频域线索以及光照感知解码器相融合，模型在保持参数量低的同时，实现了高质量的图像增强，适用于嵌入式平台的实时部署。

主要贡献

• 自适应频域融合编码器 – 从傅里叶域提取互补的纹理细节，并将其注入空间特征流。
• 光照感知解码器 – 学习像素级光照图（受 Retinex 理论启发），实现自适应曝光校正并将反射率与光照效应分离。
• 双分支残差编码‑解码结构 – 在统一的残差框架中结合频域和光照路径，保持细微结构而不显著增加模型规模。
• 新高分辨率水下视频数据集 – 来自地中海，涵盖多样的深度、浊度和光照条件，提供稳健的基准测试。
• 参数更少的先进性能 – 在标准基准上匹配或超越现有方法，同时显著降低内存和计算需求。

方法论

AQUA‑Net 基于经典的编码‑解码主干网络，并增设了两个辅助分支：

1. 频域融合编码器

   • 将输入图像进行快速傅里叶变换（FFT）。
   • 对低频幅度和高频相位分量分别通过浅层卷积块处理。
   • 将这些频域特征上采样后与空间编码器的潜在表示拼接，使网络获得更丰富的纹理和边缘信息，弥补水下散射导致的细节损失。

2. 光照感知解码器

   • 与编码器的层级结构对称，预测光照图 L(x, y) 与增强后的反射率 R(x, y)。
   • 最终输出计算为 Enhanced = R ⊙ L（逐元素相乘），使网络能够局部自适应曝光——这正是人眼在不均匀水下光照下的感知方式。
   • 编码器与解码器层之间的残差连接帮助保留结构细节。

两个分支通过复合损失共同训练：

• 对增强图像的 L1 重建损失，
• 基于 VGG 的 感知损失，以保持高层语义，
• 频域一致性损失，确保输出的傅里叶谱与干净参考图像保持一致。

结果与发现

• AQUA‑Net 在 参数量约减少 40 % 的情况下，达到或略超重型 SOTA 模型（如 UWCNN、WaterNet）的性能。
• 消融实验表明，去除频域分支会导致 PSNR 下降约 1.2 dB，去除光照分支会使 SSIM 降低约 0.03，验证了两者的互补作用。
• 定性视觉对比显示，珊瑚纹理更锐利、色彩更自然、雾化更少，尤其在深海帧中传统方法难以处理的场景下表现突出。

实际意义

• 实时水下机器人 – 低占用模型可在 NVIDIA Jetson 或基于 ARM 的视觉处理器上运行，为自主水下航行器（AUV）和遥控潜水器（ROV）提供板载图像增强。
• 海洋监测与检测 – 更清晰的图像提升后续计算机视觉任务（目标检测、分割、物种分类）的准确性，降低因颜色失真导致的误报。
• 消费级水下摄影 – 移动端应用可集成 AQUA‑Net，实现拍摄后即时校正，且不会显著耗电或依赖云端。
• 数据集生成 – 频域融合思路可用于合成逼真的水下退化效果，为其他视觉模型的训练提供更多标注数据，加速该细分领域的研究。

局限性与未来工作

• 当前模型假设每帧仅有 单一光照图；对于光源快速移动等高度动态光照场景仍可能出现伪影。
• 虽然参数量低，但 在超低功耗微控制器（如 8 位 MCU）上的推理速度 尚未评估。
• 作者计划探索 自监督学习 在无配对水下视频上的训练，并将频域分支扩展至多尺度小波表示，以实现更细腻的纹理恢复。

作者

• Munsif Ali
• Najmul Hassan
• Lucia Ventura
• Davide Di Bari
• Simonepietro Canese

论文信息

• arXiv ID: 2510.05960v1
• 分类: cs.CV, cs.AI
• 发表时间: 2025 年 12 月 5 日
• PDF: Download PDF