물 속에서 빛의 전파는 흡수와 산란의 영향을 받기 때문에 전통적인 광도 카메라만을 사용하여 수중 영상을 촬영할 경우 영상의 밝기가 낮고, 이미지가 흐릿하며 세부 사항이 손실되는 문제가 발생한다. 깊은 융합 네트워크를 수중 편광 영상에 적용하여 딥러닝 방법으로 수중 편광도 영상과 광도 영상을 융합한다. 수중 능동 편광 영상 모델을 분석하고, 실험 장치를 구축하여 수중 편광 영상을 획득하고 학습용 데이터셋을 구성하며, 적절한 변환을 통해 데이터셋을 확장한다. 비지도 학습과 주의 메커니즘을 기반으로 편광도와 광도 영상을 융합하는 엔드투엔드 학습 프레임워크를 구축하고 손실 함수 및 가중치 매개변수를 설명한다. 제작한 데이터셋을 사용하여 다양한 손실 가중치 매개변수 하에 네트워크를 학습시키고, 다양한 영상 평가 지표를 기반으로 융합된 영상을 평가한다. 실험 결과 융합된 수중 영상은 세부 사항이 풍부하며, 광도 영상에 비해 정보 엔트로피가 24.48%, 표준 편차가 139% 향상되었다. 기존의 다른 융합 알고리즘과 비교하여 해당 방법은 가중치 매개변수 수동 조정이 불필요하며 연산 속도가 빠르고 안정성과 적응력이 뛰어나 해양 탐사, 수중 목표 인식 등 분야의 응용 연구에 중요한 의미를 가진다.

편광 영상;수중 영상 향상;영상 융합;딥러닝