【技术实现步骤摘要】
本专利技术涉及图像处理以及计算机视觉领域，特别涉及一种基于nafnet与注意力机制融合的水下图像增强方法。
技术介绍
1、随着人类对海洋的不断探索，水下探测技术和水下机器人技术也不断得到发展和应用。水下图像作为一种重要的水下信息承载方式，已经成为人们了解海洋环境和资源、研究海洋科学的重要手段之一。
2、然而，受悬浮颗粒、浮游生物等多种干扰因素的影响，太阳光在水下传播时，产生了水下介质的散射现象，造成图像低对比度，且可能伴随着雾状效果。当太阳光线照射入水中后，其强度随距离呈指数衰减，水下图像通常会遭受严重的颜色失真。上述这些因素严重影响了水下图像中有效信息的提取，对基于视觉的水下作业构成了巨大挑战。
3、目前解决水下图像存在问题的方法主要分为基于传统的水下图像增强方法和基于深度学习的水下图像增强方法。传统的水下图像增强方法通过调整像素值或利用人工构造的先验方法来估计水下成像模型参数的方式来增强低质量水下图像。然而，由于水下成像退化的多样性，传统方法只能适用于单一的水下环境，难以处理复杂场景下的水下图像。得益于深度学...
【技术保护点】
1.一种基于NAFNet与注意力机制融合的水下图像增强方法，其特征在于包括以下步骤：
2.根据权利要求1所述的基于NAFNet与注意力机制融合的水下图像增强方法，其特征在于，步骤S2包括：将数据集划分为训练集及测试集，将训练集和测试集的每组配对图像缩放至相同尺寸，并进行归一化处理。
3.根据权利要求2所述的基于NAFNet与注意力机制融合的水下图像增强方法，其特征在于，根据训练集训练基于NAFNet与注意力机制融合的水下图像增强网络模型的步骤包括:
4.根据权利要求1所述的基于NAFNet与注意力机制融合的水下图像增强方法，其特征在...
【技术特征摘要】
1.一种基于nafnet与注意力机制融合的水下图像增强方法，其特征在于包括以下步骤：
2.根据权利要求1所述的基于nafnet与注意力机制融合的水下图像增强方法，其特征在于，步骤s2包括：将数据集划分为训练集及测试集，将训练集和测试集的每组配对图像缩放至相同尺寸，并进行归一化处理。
3.根据权利要求2所述的基于nafnet与注意力机制融合的水下图像增强方法，其特征在于，根据训练集训练基于nafne...
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。