CN117314787B 基于自適應多尺度融合和注意力機制的水下圖像增強方法 （河北工業大學）_第1頁
CN117314787B 基于自適應多尺度融合和注意力機制的水下圖像增強方法 （河北工業大學）_第2頁
CN117314787B 基于自適應多尺度融合和注意力機制的水下圖像增強方法 （河北工業大學）_第3頁
CN117314787B 基于自適應多尺度融合和注意力機制的水下圖像增強方法 （河北工業大學）_第4頁
CN117314787B 基于自適應多尺度融合和注意力機制的水下圖像增強方法 （河北工業大學）_第5頁
已閱讀5頁，還剩15頁未讀， 繼續免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

基于自適應多尺度融合和注意力機制的水本發明為一種基于自適應多尺度融合和注尺度融合模塊用于提取不同尺度的特征并對不適應多尺度融合模塊的輸入特征圖經過兩個空層和Sigmoid激活函數得到兩個不同尺度的權2構建水下圖像增強模型，水下圖像增強模型包括編碼器水下退化圖像依次經過深度卷積層、歸一化處理和激活函數后，輸入所述自適應多尺度融合模塊包括空洞卷積層、卷積層和全連接層，輸入特對水下圖像增強模型進行訓練，將訓練后的水下圖像增強模型用于2.根據權利要求1所述的基于自適應多尺度融合和注意力機制的水下圖像增強方法，3.根據權利要求1所述的基于自適應多尺度融合和注意力機制的水下圖像增強方法，作得到兩個特征圖，這兩個特征圖進行通道拼接后再經過卷積和Sigmoid激活函數得到空34.根據權利要求1～3任一所述的基于自適應多尺度融合和注意力機制的水下圖像增4內容和結構。現有的基于深度學習的水下圖像增強方法普遍使用深度卷積網絡(CNN)來改5和Sigmoid激活函數得到兩個不同尺度的權重；將兩個空洞卷積層提取的特征圖分別與對[0012]進一步的，所述自適應多尺度融合模塊的一個空洞卷積層的卷積核大小為3×3、到兩個特征圖，這兩個特征圖進行通道拼接后再經過卷積和Sigmoid激活函數得到空間注6[0021]下面結合附圖給出具體實施例，具體實施例僅用于詳細二個自適應多尺度融合模塊的輸出特征圖經過下采樣后輸入到第三個自適應多尺度融合的輸出特征圖經過上采樣后與第三個自適應多尺度融合模塊的輸出特征圖經過通道拼接積層的輸出特征圖經過經過上采樣后與第二個自適應多尺度融合模塊的輸出特征圖經過個深度卷積層的輸出特征圖經過上采樣后與第一個自適應多尺度融合模塊的輸出特征圖經過通道拼接后，再依次經過第三個改進后的通道空間注意力模塊和第三個深度卷積層，7[0025]自適應多尺度融合模塊能夠以一種關注不同尺度特征圖重要性的方式整合來自8水下圖像的像素均值，σ表示協方差表示標簽圖像的像素值的方差，表示增強后的地分析和評價模型性能，選用圖像質量評價指標信息熵IE和水下圖像質量評價指標UCIQE9自適應多尺度融合模塊和改進后的通道空間注意力模塊的對照實驗來驗證自適應多尺度融合模塊和改進后的通道空間注意力模塊的有效性，不同消融實驗的IE和UCIQE評價指標意力模塊替換改進后的通道空間注意力模塊，在此基礎上得到模型B～D。從

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論