【技术实现步骤摘要】
本专利技术涉及深度学习，尤其涉及一种水下图像恢复方法及系统。
技术介绍
1、近年来，水下图像恢复、增强技术在水下视觉领域中发挥越来越重要的作用。然而，光线在水中传播时，由于蓝光和绿光在水中有很强的穿透能力，而其他颜色的光穿透能力较弱，因此水下图像总是以蓝色和绿色为主。此外，由于水下图像的形成通常会受到水下微悬浮颗粒对光吸收和散射等问题，相机拍摄的水下图像会不可避免的产生颜色偏差、噪声、对比度下降和细节模糊的问题。这严重的限制了对水下资源的勘探、利用和研究。因此，水下图像恢复、增强方法在水下视觉领域显得格外重要，开发更先进、图像恢复和增强效果更好的网络非常有利于水下视觉技术的应用和发展。
技术实现思路
1、本专利技术提供一种水下图像恢复方法及系统，用以解决水下拍摄的图像清晰度不高的缺陷，可以去除颜色偏差，有效改善对比度差以及细节模糊的问题。
2、本专利技术提供一种水下图像恢复方法，包括：
3、收集目标图像；
4、将目标图像输入水下图像恢复模型中，水下图像恢...
【技术保护点】
1.水下图像恢复方法，其特征在于，包括：
2.根据权利要求1所述的水下图像恢复方法，其特征在于，在所述收集目标图像后，还包括：
3.根据权利要求1所述的水下图像恢复方法，其特征在于，所述多尺度浅层特征提取单元包括若干组卷积核，通过若干组卷积核交叉进行多尺度特征提取。
4.根据权利要求1所述的水下图像恢复方法，其特征在于，所述多尺度浅层特征提取单元还包括特征融合模块，所述特征融合模块通过改进的通道注意力对特征提取的结果进行特征融合。
5.根据权利要求1所述的水下图像恢复方法，其特征在于，所述细节增强单元包括下采样模块和上采...
【技术特征摘要】
1.水下图像恢复方法，其特征在于，包括：
2.根据权利要求1所述的水下图像恢复方法，其特征在于，在所述收集目标图像后，还包括：
3.根据权利要求1所述的水下图像恢复方法，其特征在于，所述多尺度浅层特征提取单元包括若干组卷积核，通过若干组卷积核交叉进行多尺度特征提取。
4.根据权利要求1所述的水下图像恢复方法，其特征在于，所述多尺度浅层特征提取单元还包括特征融合模块，所述特征融合模块通过改进的通道注意力对特征提取的结果进行特征融合。
5.根据权利要求1所述的水下图像恢复方法，其特征在于，所述细节增强单元包括下采样模块和上采样模块，所述下采样模块包括普通卷积模块，所述上采样模块包括转置卷积模块。
6....
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。