1.一种基于退化图像增强的轻量化水下目标检测方法，其特征在于，方法包括以下步骤：接收图像增强数据集UIE和水下目标检测数据集URPC，对UIE和URPC进行预处理，并将预处理后的UIE和URPC划分为训练集、验证集和测试集；

将预先建立的水下成像模型嵌入UWCNN‑SD网络，并将预处理后的UIE数据集中的水下图像输入UWCNN‑SD网络训练，通过原始水下图像和真实图像训练网络，保存训练好的权重，并将权重载入UWCNN‑SD网络，URPC数据集输入训练好的UWCNN‑SD网络，得到清晰的水下图像；

将清晰的水下图像、训练集、验证集和测试集输入预先建立的轻量化水下目标检测模型内，最终输出包含水下目标检测框的图像，对水下目标检测框内的目标进行识别和标记，计算平均精度得到检测结果。

2.根据权利要求1所述的一种基于退化图像增强的轻量化水下目标检测方法，其特征在于，所述UIE数据集包含950对水下图像和真实图像，其中真实图像是清晰的水下图像，没有色彩偏差。

3.根据权利要求1所述的一种基于退化图像增强的轻量化水下目标检测方法，其特征在于，所述URPC数据集包含7600张图片和相应的标签文件，所述标签文件包括标注框，标注框的位置信息以及标注框内容的真实类别信息。

4.根据权利要求1所述的一种基于退化图像增强的轻量化水下目标检测方法，其特征在于，所述水下成像模型对水下图像进行离散余弦变换，分离为高频部分和低频部分，再构建CNN网络和损失函数，将水下成像模型嵌入网络可以对低频部分消除色彩偏差，对高频部分突出纹理细节，最后将二者融合输出清晰的水下图像。

5.根据权利要求4所述的一种基于退化图像增强的轻量化水下目标检测方法，其特征在于，所述水下成像模型如下：Iλ(x)＝Jλ(x)tλ(x)+Aλ(1‑tλ(x))式中，Iλ(x)为捕获的水下图像，Jλ(x)为清晰图像，tλ(x)为透射率，Aλ为全局背景光，λ表示RGB通道；

对大气散射模型进行转换：

Jλ(x)＝Kλ(x)Iλ(x)‑Kλ(x)+1

将tλ(x)和Aλ联合为一个单变量Kλ(x)，对水下图像进行离散余弦变换，分离为高频分量和低频分量：LF HF

Iλ(x)＝Iλ (x)+Iλ (x)

LF LF

Jλ (x)＝Kλ(x)Iλ (x)‑Kλ(x)+1

HF HF

Jλ (x)＝Kλ(x)Iλ (x)‑Kλ(x)+1

LF表示低频分量，HF表示高频分量，构建CNN网络，将UIE数据集中的水下图像输入网络训练，学习参数Kλ(x)，将Kλ(x)代入水下成像模型中，反解出清晰的水下图像。

6.根据权利要求5所述的一种基于退化图像增强的轻量化水下目标检测方法，其特征在于，所述CNN网络训练过程如下：通过最小化损失函数来训练网络，首先采用高斯分布对网络参数初始化，Adam优化器用于优化网络参数，最后将学习到的权重保存并载入测试文件，将URPC数据集中的水下图像输入测试文件，获取增强后的水下目标检测图像，所述的损失函数如下：其中，

μ和σ分别表示灰度图像Jλ(x)和Iλ(x)的均值与标准差， 表示灰度图像Jλ(x)和

2 2

Iλ(x)的协方差，C1＝(K1+L) 、C2＝(K2+L) ，式中K1＝0.01、K2＝0.03、L＝1。

7.根据权利要求1所述的一种基于退化图像增强的轻量化水下目标检测方法，其特征在于，所述轻量化水下目标检测模型通过将YOLOV5中的特征提取网络替换为GhostNet轻量化模块，提取到尺寸不同的三个特征图，在颈部添加CA注意力机制，然后将三个不同尺度的特征图分别输入到三个分类回归层进行预测。

8.根据权利要求7所述的一种基于退化图像增强的轻量化水下目标检测方法，其特征在于，所述所述的CA注意力机制包含以下三个操作：信息嵌入操作：对于给定的一个输入特征图，使用全局平均池化分别沿着特征图的水平方向和垂直方向进行池化操作，得到两个嵌入后的信息特征图，水平方向使用H×1的池化核，将H×W×C的输入特征通过全局平均池化操作得到H×1×C的信息特征图，公式如下所示：垂直方向即Y方向使用1×W的池化核，将H×W×C的输入特征通过全局平均池化操作得到1×W×C的信息特征图，公式如下所示：h w

注意力生成操作：将上一步生成的两个信息特征图Zc和Zc，沿着空间维度进行拼接，再经过1×1卷积操作和激活函数。之后沿着空间维度进行分片操作得到两个分离的特征图，h w再分别对两个分离的特征图进行变换和激活函数，得到两个注意力向量g 和g ，公式如下所示：其中，

h h

g＝σ(Fh(f))

w w w

g＝σ(F(f))

h w

特征图校正操作：上一步操作得到两个注意力向量g∈C×H×1和g ∈C×1×W，将其进行广播变换到C×H×W的维度后与经过残差操作的输入特征图xc进行对应位置相乘操作，得到最后的注意力特征。

9.根据权利要求1所述的一种基于退化图像增强的轻量化水下目标检测方法，其特征在于，所述平均精度的计算过程如下：使用p和召回率r的统计数据来衡量准确度，精确度是真阳性tp与所有预测阳性tp+fp的比值，表示预测结果中正确预测的比例，而召回率是真阳性与实际阳性tp+fn的比值，表示所有目标中被正确预测的比例，平均准确度AP是指在所有召回率的可能取值情况下，得到所有准确度的平均值；

其中，

10.一种基于退化图像增强的轻量化水下目标检测系统，其特征在于，包括：图像处理模块：用于接收图像增强数据集UIE和水下目标检测数据集URPC，对UIE和URPC进行预处理，并将预处理后的UIE和URPC划分为训练集、验证集和测试集；

图像增强模块：将预先建立的水下成像模型嵌入UWCNN‑SD网络，并将预处理后的UIE数据集中的水下图像输入UWCNN‑SD网络训练，通过原始水下图像和真实图像训练网络，保存训练好的权重，并将权重载入UWCNN‑SD网络，URPC数据集输入训练好的UWCNN‑SD网络，得到清晰的水下图像；

图像生成模块：用于将清晰的水下图像和训练集、验证集和测试集输入预先建立的轻量化水下目标检测模型内，最终输出包含水下目标检测框的图像，对水下目标检测框内的目标进行识别和标记，计算平均精度。