A propagação da luz na água é afetada pela absorção e dispersão. A obtenção de imagens subaquáticas usando apenas câmeras de intensidade tradicionais apresenta problemas como baixa luminosidade, imagens borradas e perda de detalhes. Aplica-se uma rede de fusão profunda às imagens de polarização subaquáticas, ou seja, um método de aprendizado profundo que funde imagens de grau de polarização subaquáticas com imagens de intensidade luminosa. Analisa-se o modelo de imagem ativa de polarização subaquática, constrói-se um dispositivo experimental para obter imagens de polarização subaquáticas e formar um conjunto de dados de treinamento, realizando transformações apropriadas para expandir o conjunto de dados. Constrói-se um framework de aprendizado de ponta a ponta baseado em aprendizado não supervisionado e mecanismo de atenção para fundir imagens de grau de polarização e intensidade luminosa, explicando a função de perda e os parâmetros de peso. A rede é treinada com o conjunto de dados produzido sob diferentes parâmetros de peso de perda e as imagens fundidas são avaliadas com base em vários índices de avaliação de imagem. Os resultados experimentais mostram que as imagens subaquáticas fundidas têm mais detalhes, com aumento de 24,48% na entropia da informação e de 139% no desvio padrão em comparação às imagens de intensidade luminosa. Em comparação com outros algoritmos tradicionais de fusão, este método não requer ajuste manual dos parâmetros de peso, possui alta velocidade computacional, forte estabilidade e adaptabilidade, tendo grande importância para pesquisas aplicadas nas áreas de exploração oceânica e reconhecimento de alvos subaquáticos.

Imagem polarizada;Melhoria de imagens subaquáticas;Fusão de imagens;Aprendizado profundo