CN117314787B 基于自适应多尺度融合和注意力机制的水下图像增强方法 （河北工业大学）_第1页
CN117314787B 基于自适应多尺度融合和注意力机制的水下图像增强方法 （河北工业大学）_第2页
CN117314787B 基于自适应多尺度融合和注意力机制的水下图像增强方法 （河北工业大学）_第3页
CN117314787B 基于自适应多尺度融合和注意力机制的水下图像增强方法 （河北工业大学）_第4页
CN117314787B 基于自适应多尺度融合和注意力机制的水下图像增强方法 （河北工业大学）_第5页
已阅读5页，还剩15页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于自适应多尺度融合和注意力机制的水本发明为一种基于自适应多尺度融合和注尺度融合模块用于提取不同尺度的特征并对不适应多尺度融合模块的输入特征图经过两个空层和Sigmoid激活函数得到两个不同尺度的权2构建水下图像增强模型，水下图像增强模型包括编码器水下退化图像依次经过深度卷积层、归一化处理和激活函数后，输入所述自适应多尺度融合模块包括空洞卷积层、卷积层和全连接层，输入特对水下图像增强模型进行训练，将训练后的水下图像增强模型用于2.根据权利要求1所述的基于自适应多尺度融合和注意力机制的水下图像增强方法，3.根据权利要求1所述的基于自适应多尺度融合和注意力机制的水下图像增强方法，作得到两个特征图，这两个特征图进行通道拼接后再经过卷积和Sigmoid激活函数得到空34.根据权利要求1～3任一所述的基于自适应多尺度融合和注意力机制的水下图像增4内容和结构。现有的基于深度学习的水下图像增强方法普遍使用深度卷积网络(CNN)来改5和Sigmoid激活函数得到两个不同尺度的权重；将两个空洞卷积层提取的特征图分别与对[0012]进一步的，所述自适应多尺度融合模块的一个空洞卷积层的卷积核大小为3×3、到两个特征图，这两个特征图进行通道拼接后再经过卷积和Sigmoid激活函数得到空间注6[0021]下面结合附图给出具体实施例，具体实施例仅用于详细二个自适应多尺度融合模块的输出特征图经过下采样后输入到第三个自适应多尺度融合的输出特征图经过上采样后与第三个自适应多尺度融合模块的输出特征图经过通道拼接积层的输出特征图经过经过上采样后与第二个自适应多尺度融合模块的输出特征图经过个深度卷积层的输出特征图经过上采样后与第一个自适应多尺度融合模块的输出特征图经过通道拼接后，再依次经过第三个改进后的通道空间注意力模块和第三个深度卷积层，7[0025]自适应多尺度融合模块能够以一种关注不同尺度特征图重要性的方式整合来自8水下图像的像素均值，σ表示协方差表示标签图像的像素值的方差，表示增强后的地分析和评价模型性能，选用图像质量评价指标信息熵IE和水下图像质量评价指标UCIQE9自适应多尺度融合模块和改进后的通道空间注意力模块的对照实验来验证自适应多尺度融合模块和改进后的通道空间注意力模块的有效性，不同消融实验的IE和UCIQE评价指标意力模块替换改进后的通道空间注意力模块，在此基础上得到模型B～D。从

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论