基于深度学习的浑浊水下图像复原方法

本申请提供了一种基于深度学习的浑浊水下图像复原方法，建立CycleGAN循环一致性网络模型，在编码器和解码器中分别添加注意力模块对模型进行优化，以增强模型提取细节能力，所述注意力模块包括simAM及MLCA，利用数据集对CycleGAN循环一致性网络模型进行训练，并调整模型构型、添加损失函数及优化器，对CycleGAN循环一致性网络模型的处理图像进行图像质量和视觉效果评估。通过上述方式，能够更好地处理了水下图像中的模糊、失真和噪音问题，使得复原后的图像更加清晰、准确，这不仅可以提高水下图像处理的效率和质量，还可以推动水下勘探、水下考古、水下机器人等领域的发展。