1.一种基于光线增强像素融合网络的水下图像增强方法，其特征在于，构建一种光线增强块，负责从原始图像中学习并获取特征映射图，并修复增强图像的色偏；构建一种像素融合子网络，提供自适应特征权重功能，并通过不同阶段特征映射图的融合来提升模型的感受野；

输入水下图像需先利用编码器进行特征提取以构建初始特征映射图，而后输入光线增强块；像素融合子网络输出的组合特征映射图，需采用解码器解析来获得清晰图像；

所述光线增强块由残差块和光线增强曲线构成，残差块的输入是编码器构建的初始特征映射图，光线增强曲线的输入是输入水下图像；所述光线增强曲线是一种单参数且可微的像素级高阶曲线，当阶数大于等于2时，用如下公式表示：其中下标n表示阶数，x表示像素坐标，LEn(x)表示当前阶数的光线增强曲线，LEn‑1(x)表示上一阶的光线增强曲线， 是当前阶数所需学习的曲线参数映射，它控制着曲线的曲率，当阶数n为1时，公式(1)会退化为双参数形式，如下所示：LE(I(x)；α)＝I(x)+αI(x)(1‑I(x))    (2)其中I(x)表示输入水下图像，α∈[‑1,1]为曲线参数，它用于控制曲线大小和曝光程度；

所述像素融合子网络处理流程分为两个阶段：

第一阶段是使用像素注意机制来对不同级别的特征图进行自适应的权重分配，对于水下图像的高频和密集像素区域，像素注意机制会赋予更多的权重，具体地，来自三个不同级别的特征映射图Fl,Fh,Fm会先进行串联，然后，串联的特征映射图会传入全局平均池化GAP中，获取通道式张量，最后，通道式张量会传入像素融合子网络P来获取对应的权重因子Ml,Mh,Mm：(Ml,Mh,Mm)＝P(GAP(Fl,Fh,Fm))    (3)

第二阶段是对三个不同级别的特征映射图Fl,Fh,Fm与公式(3)得到的权重因子Ml,Mh,Mm进行线性叠加以获取组合特征映射图Fo：Fo＝Ml*Fl+Mm*Fm+Mh*Fh    (8)

得到组合特征映射图Fo后，解码器会将其解析以获得清晰图像。

2.根据权利要求1所述的基于光线增强像素融合网络的水下图像增强方法，其特征在于，像素注意机制包含通道注意机制，它负责分配图像中不同颜色通道的权重，权重大小则由像素注意机制决定。