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）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN117314787B(45)授权公告日2025.07.08

(21)申请号202311510657.8

(22)申请日2023.11.14

(65)同一申请的已公布的文献号申请公布号CN117314787A

(43)申请公布日2023.12.29

(73)专利权人河北工业大学

地址300130天津市红桥区丁字沽光荣道8

GO6T5/60(2024.01)

GO6V20/05(2022.01)

GO6V10/44(2022.01)

GO6V10/80(2022.01)

GO6V10/82(2022.01)

GO6N3/0455(2023.01)

GO6N3/0464(2023.01)

GO6N3/048(2023.01)

号河北工业大学东院

(72)发明人孙凌宇李文清徐英杰陈凯楠

李洋

(74)专利代理机构天津翰林知识产权代理事务所(普通合伙)12210

专利代理师蔡运红

(51)Int.CI.

GO6T5/90(2024.01)

(56)对比文件

CN116402761A,2023.07.07CN112132023A,2020.12.25审查员高悦

权利要求书2页说明书6页附图2页

(54)发明名称

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

(57)摘要

CN117314787B本发明为一种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，所使用的水下图像增强模型包括编码器、解码器和位于编码器与解码器之间的瓶颈层；所述编码器包括深度卷积层、自适应多尺度融合模块和下采样，自适应多尺度融合模块用于提取不同尺度的特征并对不同尺度的特征图进行融合，解码器包括改进后的通道空间注意力模块、上采样和深度卷积层；自适应多尺度融合模块的输入特征图经过两个空洞卷积层得到两个不同尺度的特征图，两个特征图进行通道拼接后经过一个卷积层，然后经过一个全连接层和Relu激活函数，再经过一个全连接层和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应尺度的权重相乘后再进行通道拼接，得到模块的

CN117314787B

AMM1

PcaAn2AMM2

PcaAn2

AMM3

解码器编码器

解码器

PCBAM

特征融合通道拼接下采样

特征融合

通道拼接

AMM自适应多尺度融合模块PCBAM改进后的通道空间注意力模块

CN117314787B权利要求书1/2页

2

1.一种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，其特征在于，该方法包括以下内容：

构建水下图像增强模型，水下图像增强模型包括编码器、解码器和位于编码器与解码器之间的瓶颈层；所述编码器包括深度卷积层、自适应多尺度融合模块和下采样，自适应多尺度融合模块用于提取不同尺度的特征并对不同尺度的特征图进行融合，解码器包括改进后的通道空间注意力模块、上采样和深度卷积层；

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，输入到第一个自适应多尺度融合模块中，第一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二个自适应多尺度融合模块中，第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模块中，第三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瓶颈层中；瓶颈层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，再依次经过第一个改进后的通道空间注意力模块和第一个深度卷积层，第一个深度卷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通道拼接，再依次经过第二个改进后的通道空间注意力模块和第二个深度卷积层，第二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，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，得到解码器的输出特征图，解码器的输出特征图与模型的输入图像通过跳跃连接进行特征融合，得到增强后的水下图像；

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，输入特征图经过两个不同空洞率的空洞卷积层得到两个不同尺度的特征图，两个特征图进行通道拼接后经过一个卷积层，然后经过一个全连接层和Relu激活函数，再经过一个全连接层和