本发明涉及水下图像增强及检测，尤其涉及基于深度学习的水下图像增强及目标检测方法。
背景技术：
1、目前基于视觉的水下目标检测在海洋环境保护、水域生态研究、水下垃圾清理等海洋经济领域发挥了重要作用。然而复杂的水体环境下，受光线的吸收和散射特性影响，导致图像的低对比度、模糊和颜色失真等退化问题；同时水下目标尺度不一，相互间存在遮挡重叠等问题，给水下目标检测带来较大挑战。因此本发明拟解决的关键问题主要包括：(1)现有基于物理模型的cnn水下图像增强方法大多通过估计透射率图和背景光值的方式间接优化图像，受先验条件及模型累积误差的影响，图像增强程度有限。(2)针对水下环境复杂，水下目标检测中存在目标尺度差异大、遮挡导致定位不准确、检测精度低的问题。
2、因此，提出基于深度学习的水下图像增强及目标检测方法，以解决上述问题。
技术实现思路
1、鉴以此，本发明的目的在于提供基于深度学习的水下图像增强及目标检测方法，以至少解决以上问题。
2、本发明采用的技术方案如下：
3、基于深度学习的水下图像增强及目标检测方法，所述方法包括以下步骤：
4、s1、分别设计水下图像增强网络模型和设计多尺度策略目标检测网络；
5、s2、在水下图像增强网络模型中通过多路径扩张卷积快和级联注意力机制对输入的图像进行特征提取；
6、s3、对于提取到的图像特征进行跨层连接，并且输出联合单变量特征图像；
7、s4、对于输出联合单变量特征图像进行增强恢复；
8、s5、在多尺度策略目标检测网络中将增强恢复后的图像进行特征融合以及扩大感受野；
9、s6、对于特征融合以及扩大感受野的图像进行roi align池化操作。
10、进一步的，在步骤s2中，对输入的图像进行特征提取具体包括为：
11、对输入图像进行多尺度细节特征和颜色特征提取。
12、进一步的，在步骤s3中，对于提取到的图像特征进行跨层连接，并且输出联合单变量特征图像具体为：
13、通过水下图像增强网络模型中的不同退化像素特征能力进行聚合特征，并且输出联合单变量特征图。
14、进一步的，在步骤s4中，对于输出联合单变量特征图像进行增强恢复具体包括：
15、通过水下图像增强网络模型对输出联合单变量特征图像进行增强恢复。
16、进一步的，在步骤s5中，在多尺度策略目标检测网络中将增强恢复后的图像进行特征融合具体包括：通过多层特征融合模块对增强恢复后的图像进行浅层特征和深层特征相融合。
17、进一步的，在步骤s5中，在多尺度策略目标检测网络中将增强恢复后的图像进行特征融合以及扩大感受野具体为：
18、在多尺度策略目标检测网络中设计多层特征融合模块和多膨胀率的空洞卷积金字塔模块对增强恢复后的图像进行特征融合进行特征提取以及扩大感受野。
19、进一步的，在步骤s6中，对于特征融合以及扩大感受野的图像进行roi align池化操作具体为：
20、通过roi al ign取消量化操作生成固定区域，使用双线性内插替代最近邻插值计算四个新的像素值，取其中最大值作为处理区域的像素值，得到固定尺寸的特征图输出，供后层分类回归。
21、与现有技术相比，本发明的有益效果是：
22、1、本发明提出基于深度学习的水下图像增强及目标检测方法，该方法采用多个扩张率不同的卷积核进行卷积，从而提高了网络模型对不同尺度信息的感知能力。同时，在网络模型中加入残差连接和密集连接机制，增强了网络模型的特征提取和信息传递能力，从而有效地提升水下图像的质量和可视化效果。
23、2、本发明提出基于深度学习的水下图像增强及目标检测方法，该方法采用基于多膨胀率的空洞卷积金字塔网络的多尺度特征提取，增强了网络模型对目标不同尺度的感知能力。然后，提出一种新的损失函数ad-iou，该损失函数可自适应调整预测框和真实框的距离，从而有效提高水下复杂背景下的目标检测精度。
1.基于深度学习的水下图像增强及目标检测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的基于深度学习的水下图像增强及目标检测方法，其特征在于，在步骤s2中，对输入的图像进行特征提取具体包括为：
3.根据权利要求2所述的基于深度学习的水下图像增强及目标检测方法，其特征在于，在步骤s3中，对于提取到的图像特征进行跨层连接，并且输出联合单变量特征图像具体为：
4.根据权利要求3所述的基于深度学习的水下图像增强及目标检测方法，其特征在于，在步骤s4中，对于输出联合单变量特征图像进行增强恢复具体包括：
5.根据权利要求1所述的基于深度学习的水下图像增强及目标检测方法，其特征在于，在步骤s5中，在多尺度策略目标检测网络中将增强恢复后的图像进行特征融合具体包括：通过多层特征融合模块对增强恢复后的图像进行浅层特征和深层特征相融合。
6.根据权利要求5所述的基于深度学习的水下图像增强及目标检测方法，其特征在于，在步骤s5中，在多尺度策略目标检测网络中将增强恢复后的图像进行特征融合以及扩大感受野具体为：
7.根据权利要求6所述的基于深度学习的水下图像增强及目标检测方法，其特征在于，在步骤s6中，对于特征融合以及扩大感受野的图像进行roi align池化操作具体为：
