【技术实现步骤摘要】
本专利技术涉及水下图像增强，具体涉及一种轻量级网络模型的水下图像实时增强方法。
技术介绍
1、水下图像增强技术主要解决的是水下环境导致图像产生的颜色失真、对比度降低等现象，传统的水下图像增强方法通常依赖于图像的物理模型，如大气散射模型和色彩恢复模型，尽管这些方法能在一定程度上改善图像质量，但仍然受限于复杂的水下环境，且计算复杂度较高。
2、随着深度学习的发展，水下图像增强技术逐渐结合各种神经网络模型，通过自动学习水下图像中的特征，有效地恢复图像中的细节、提高图像的质量，但由于网络模型通常较为复杂，计算量大，往往难以满足实际应用中的实时性和高效性需求，尤其是在资源受限的嵌入式系统或移动设备中应用时，存在较大的挑战。因此多个轻量级神经网络被提出，如liteenhancenet、lyt-net等，这些基于视觉先验的神经网络增强方法在开源数据集上均有优异表现，但是在实时处理或图像对比度上仍然受限。
3、目前存在的问题是，现有的方法和技术无法同时解决计算资源和增强实时性之间的矛盾，或网络模型复杂导致计算量大，或无法实时增强...
【技术保护点】
1.一种基于轻量级网络模型的水下图像实时增强方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述透射图预估模块的自注意力机制采用多头注意力结构，用于捕捉水下图像中长距离依赖关系，降低透射图计算误差。
3.根据权利要求1所述的方法，其特征在于，所述步骤(3)具体包括以下步骤：
4.根据权利要求1所述的方法，其特征在于，所述数据预处理中，透射图标签数据的生成包括：
5.根据权利要求1所述的方法，其特征在于，多源图像融合模块采用多阶段挤压和激励机制，使用两种不同的激活函数构成全连接层，且额外增加卷积...
【技术特征摘要】
1.一种基于轻量级网络模型的水下图像实时增强方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述透射图预估模块的自注意力机制采用多头注意力结构，用于捕捉水下图像中长距离依赖关系，降低透射图计算误差。
3.根据权利要求1所述的方法，其特征在于，所述步...
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。