一种基于水下注意力生成对抗网络的图像增强方法

技术特征：

1.一种基于水下注意力生成对抗网络的图像增强方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于水下注意力生成对抗网络的图像增强方法，其特征在于：所述注意力生成对抗网络借助全局最大池化和平均池化操作，结合单隐层神经网络架构，形成级联密集通道注意力模块，实现通道权重重分配。

3.根据权利要求1所述的一种基于水下注意力生成对抗网络的图像增强方法，其特征在于：所述注意力生成对抗网络通过结合位置注意力和patchgan技术，捕获长距离依赖信息。

4.根据权利要求2所述的一种基于水下注意力生成对抗网络的图像增强方法，其特征在于：所述级联密集通道注意力模块的输出的得到过程如下：

5.根据权利要求1所述的一种基于水下注意力生成对抗网络的图像增强方法，其特征在于：所述所述注意力生成对抗网络通过位置注意力来计算任意两个非局部空间位置的交互性，其可以表示为：

6.根据权利要求1所述的一种基于水下注意力生成对抗网络的图像增强方法，其特征在于：所述注意力生成对抗网络的优化函数得到过程如下如下：

7.一种基于水下注意力生成对抗网络的图像增强装置，其特征在于：包括：

技术总结
本发明一种基于水下注意力生成对抗网络的图像增强方法，包括以下步骤：获取待增强的水下图像；通过监督学习模式，借助于卷积神经网络提取底层和高层语义信息构建注意力生成对抗网络；将待增强的水下图像作为输入，使用生成对抗损失、损失和结构相似性损失对注意力生成对抗网络进行训练，得到训练好的构建注意力生成对抗网络，输出增强后的水下图像，通过监督学习模式，借助于卷积神经网络提取底层和高层语义信息，使得所设计的UAGAN框架具备更强的泛化性；同时，所提出的UAGAN框架可避免参数估计和水下成像建模的问题，结合位置注意力和PatchGAN技术，有助于捕获长距离依赖信息，从而可避免所生成的水下图片产生过增强现象。

技术研发人员：王宁,陈廷凯,陈延政,孔祥军
受保护的技术使用者：大连海事大学
技术研发日：
技术公布日：2024/1/13