.png){kind=icon}
返回
Structural causal diffusion model for underwater image enhancement
.png){kind=icon}
PRE
AI
DOI：10.1016/j.patcog.2026.114478.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
水下图像增强旨在恢复因光吸收、散射和浑浊介质传播而严重退化的视觉信息。现有方法通常学习从退化图像到清晰图像的直接映射，而缺乏对水下退化物理原因的显式约束。这常常导致归因模糊，进而造成复杂水下场景中的颜色误判、细节过度平滑和不真实纹理等问题。为解决此问题，我们提出一种用于水下图像增强的结构化因果扩散模型（SCDM-UIE），该模型将水下成像先验和因果启发的物理干预整合到条件扩散过程中。具体而言，正向物理干预模块通过物理反演、统计重映射和颜色补偿构建物理上合理的反事实条件，为颜色和结构恢复提供更可靠的指导。此外，因果残差校正机制在反向去噪过程中通过再退化投影计算物理一致性误差，并将其转换为梯度指导以动态校正采样轨迹。在完全参考和无参考水下图像增强基准上的大量实验表明，SCDM-UIE在实现竞争性性能的同时，有效抑制了颜色失真、残留雾霾和幻觉类纹理生成。
Keyword:
Underwater image enhancement
Diffusion models
Causal inference
Degradation decoupling
期刊
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
引用论文
暂无论文信息