一种层次化偏振特征调制的偏振散射成像方法

本发明公开了一种层次化偏振特征调制的偏振散射成像方法，包括：1、搭建一个基于奇异值分解的可实现逐步调控偏振特征的神经网络模型；2、设计一种包含偏振信息优势的动态损失函数；3、采用一种局部和整体共同调制的训练策略；4、拍摄用于测试框架可行性和优越性的s水下场景数据集；5、利用训练好的模型对不同场景图片进行去散射处理。本发明将应用于对偏振特征的逐级局部调控，实现对于偏振特征的灵活、充分的分析与提取，解决了基于深度学习的偏振散射成像算法在不断变化的环境中无法具有更好的泛化性的难题，改善了散射环境的变化对成像效果的退化影响，展示了基于动态、有效地偏振特征分析手段来推动去散射研究进展的潜力。