内容简介：针对水下图像存在颜色失真、对比度低及细节模糊等问题，以及现有深度学习模型在边缘设备部署时面临的算力限制，提出一种基于终端处理器的轻量化水下图像增强系统。系统核心为一种端到端的超轻量化神经网络，该网络仅有3.4k参数量，适用于任何分辨率图像，在处理水下图像时不仅能够保持内容风格和空间质感，还能够提高图像色彩表现。实验表明，在标准UIEB数据集上，该系统PSNR达23.137 dB、SSIM达0.918，在华为昇腾处理器上实现了该模型的优化部署，推理速度达25.756 f/s，满足水下机器视觉终端实时处理需求。