FDCE-Net: Underwater Image Enhancement with Embedding Frequency and Dual Color Encoder

水下图像通常会受到各种问题的影响，例如由于水和悬浮颗粒物的光吸收和散射导致的低亮度、色偏、模糊细节和噪声。先前的水下图像增强（UIE）方法主要集中在空间域增强上，忽略了图像固有的频域信息。然而，水下图像的退化因素在空间域中密切交织。虽然某些方法专注于在频域中增强图像，但它们忽略了图像退化因素和频域信息之间的固有关系。因此，这些方法经常增强改进后图像的某些属性，同时未能充分解决或甚至加剧其他属性的问题。此外，许多现有方法严重依赖先前知识来解决水下图像中的色偏问题，限制了它们的灵活性和鲁棒性。为了克服这些限制，我们在本文中提出了嵌入频率和双色编码器网络（FDCE-Net）。FDCE-Net由两个主要结构组成：（1）频率空间网络（FS-Net）旨在通过利用我们设计的频率空间残差块（FSRB）在频域中解耦图像退化因素并分别增强不同属性来实现初始增强。 （2）为了解决色偏问题，我们引入了双色编码器（DCE）。 DCE通过交叉注意力建立颜色和语义表示之间的相关性，并利用多尺度图像特征指导自适应颜色查询的优化。最终增强的图像通过融合网络将FS-Net和DCE的输出组合生成。这些图像呈现出丰富的细节、清晰的纹理、低噪声和自然的颜色。

本论文旨在解决水下图像处理中存在的低亮度、色偏、模糊和噪声等问题，同时提出一种新的水下图像增强方法FDCE-Net。

FDCE-Net由两个主要结构组成：Frequency Spatial Network（FS-Net）和Dual-Color Encoder（DCE）。其中，FS-Net利用Frequency Spatial Residual Block（FSRB）在频域中分离图像退化因素并分别增强不同属性，而DCE则通过交叉注意力建立颜色和语义表示之间的关系，并利用多尺度图像特征来指导自适应颜色查询的优化。最终增强的图像通过融合网络结合FS-Net和DCE的输出。

论文实验使用了不同的数据集进行测试，并与其他方法进行了比较。实验结果表明，FDCE-Net在水下图像增强方面具有优异的性能，能够产生细节丰富、纹理清晰、噪声低和自然色彩的图像。此外，论文还提出了一种新的FSRB结构和DCE方法，为水下图像增强领域的研究提供了新思路。

近期的相关研究包括：Underwater Image Enhancement using a Hybrid Model based on Retinex and Convolutional Neural Network、Underwater Image Enhancement via Adaptive Color Correction、A Comprehensive Survey of Underwater Image Enhancement和Underwater Image Enhancement based on the Multi-Scale Fusion Network等。