1.一种珊瑚礁健康状况智能评估方法，其特征在于，包括以下步骤：S1.通过水下摄像机采集珊瑚礁区彩色图像，对图像进行预处理，提高图像质量；

S2.构建图像增强分类模型，通过对图像进行增强，提高分类精度，识别出采集图像中的珊瑚种类；

S3.将珊瑚覆盖率、珊瑚健康指数和该区域所有珊瑚平均颜色分数作为珊瑚礁健康状况的评价指标，得到珊瑚礁健康状况的综合得分。

2.根据权利要求1所述的一种珊瑚礁健康状况智能评估方法，其特征在于，所述步骤S1包括：

S11.利用水下摄像机采集珊瑚礁区图像，对图像进行预处理，提高图像质量；水下摄像机采集的珊瑚图像为彩色图像，对珊瑚图像s(i，j)进行分析，将彩色图像看作R、G、B三个独立通道的二维像素点阵，(i，j)表示二维像素点阵的行和列，三个通道的灰度图像为sR(i，j)、sG(i，j)、sB(i，j)，彩色图像在不同的颜色通道中完成灰度图像的处理；在每个颜色通道中，每个像素对应着相应的感光元件对红绿蓝光线的响应值，从而将彩色图像转化为三幅灰度图像；

将原始图像采用带有颜色恢复因子的多尺度同态滤波算法进行处理：其中，Sl(i，j)表示处理后的图像第l通道的二维像素点阵，l∈{R，G，B}，sl(i，j)表示原始图像第l通道的二维像素点阵，N表示尺度数量，Wn是第n个尺度对应的权值，n∈N，Fn(i，j)表示第n个尺度对应的高斯核函数；

S12.然后对图像通过扩散滤波方法进行去噪，首先引入时间算子t，表示降噪与扩散持续时间有关：

Sl(i，j)＝I0＝I(i，j，0)其中，I0表示初始时刻的图像信号；计算t时刻的图像信号的偏导：其中，div表示散度算子， 表示图像梯度 的扩散方程，为梯度算子，表示梯度幅值，k表示梯度阈值，当图像梯度远大于梯度阈值k时，扩散方程趋于0；当图像梯度远小于梯度阈值k时，扩散方程趋于1；原图像I0作为一种媒介，以非恒定的速度在图像上扩散，其扩散所经过的区域逐渐形成一系列的平滑图像I(i，j，t)。

3.根据权利要求2所述的一种珊瑚礁健康状况智能评估方法，其特征在于，所述步骤S2包括：

将采集图像等分成尺寸为U×V×3的M个小方块，构建图像增强分类模型；通过对图像进行增强，提高分类精度，识别出采集图像中的珊瑚种类；图像增强分类模型包括一个编码器、一个解码器和一个判别器，编码器由多个卷积层组成，卷积层数根据实际需求确定；解码器由多个与卷积层镜像对应的反卷积层组成，卷积层与反卷积层之间存在特征图的“固态指针融合”操作；

假设编码器和解码器共由m个卷积层和反卷积层组成，所述“固态指针融合”操作将第q个卷积层输出的特征图与第m‑q个反卷积层输出的特征图在通道上进行卷积融合；

1 2

卷积层的卷积核H为3×3，通道数为3，步长为2，反卷积层的卷积核H为3×3，步长为1

初始化编码器的参数μe、解码器的参数μd和判别器的参数μa，网络输入表示为I＝I ，

2 M

I，...，I；首先编码器通过卷积操作得到图像特征：其中，conv为输出的卷积特征图， 为输入的第γ个图像，γ∈M，c1表示输入通道数，c1＝3，c2表示输出通道数，i0，j0表示通道坐标；编码器的卷积操作增强了图像增强分类模型的提取图像特征的能力；

编码器每经过一次卷积层的采样处理后，得到的图像特征尺寸缩减为原来的 将得到特征图输入到解码器中通过反卷积操作，使图像尺寸增加4倍；所述反卷积操作为：其中， 为输出的反卷积特征图，c3是反卷积的输出通道数；

通过“固态指针融合”操作将第q个卷积层输出的特征图与第m‑q个反卷积层输出的特征图在通道上进行卷积融合：

将融合后的 个图像特征输入判别器中，通过“固态指针融合”操作缓解因反卷积上采样造成的伪影、马赛克等问题，提升图像的生成质量；

判别器由两部分组成，第一部分是卷积和修正线性单元组成的模块，第二部分是由卷积和批标准化组成的模块；

第一部分的卷积核为 输出为：

第二部分的卷积核为 输出为： 其中 为输入样本的均值，σ为输入样本的方差；最终输出一个二维矩阵，矩阵内的每一个元素都映射到输入图像中的一个子区域，用于判别输入图像内各特征点对应的珊瑚种类。

4.根据权利要求3所述的一种珊瑚礁健康状况智能评估方法，其特征在于，所述步骤S3包括：

将识别出的珊瑚颜色与珊瑚健康色卡进行比对，获得该珊瑚颜色分数Si，具体方法为：将珊瑚颜色值由RGB转换成HSV，计算HSV域内珊瑚颜色值到珊瑚健康色卡每一个颜色方块的颜色距离值：

其中，(x0，y0，z0)是HSV域内珊瑚颜色值的坐标；(xi，yi，zi)是HSV域内珊瑚健康色卡每一个颜色方块的颜色值的坐标；根据颜色距离最小值对应的色卡颜色方块信息获得珊瑚颜色分数Si＝min d；

将珊瑚覆盖率、珊瑚健康指数和该区域所有珊瑚颜色分数Si作为珊瑚礁健康状况的评价指标，根据不同评价指数的权重值，得到珊瑚礁健康状况的综合得分W，并根据珊瑚礁健康状况的综合得分W获得珊瑚礁健康评估结果。

5.根据权利要求4所述的一种珊瑚礁健康状况智能评估方法，其特征在于，所述步骤S3包括：

珊瑚的多样性指数为：

其中，HI是多样性指数，pi是第i种珊瑚的数量，P是珊瑚总体数量，s是珊瑚种类数量；珊瑚健康指数为：其中，Hi是第i类生物类群的多样性指数，Hi0是第i类生物类群多样性指数的健康值，n为生物类群数量；

计算珊瑚覆盖率： A为采集图像等分成尺寸为U×V的小方块中，珊瑚所占小方块的数量；

计算所有珊瑚的平均颜色分数MI：

根据计算出的珊瑚覆盖率TC、珊瑚健康指数CI和所有珊瑚的平均颜色分数MI获得其对应的评价得分Y1、Y2和Y3：

Y1＝TC×100

其中，α1、α2、α3、α4、α5、b1、b2、b3、b4均为参数，δ1、δ2、δ3、δ4均为指数阈值，由试验得出；

将珊瑚覆盖率、珊瑚健康指数和该区域所有珊瑚平均颜色分数作为珊瑚礁健康状况的评价指标，根据不同评价指数的权重值，得到珊瑚礁健康状况的综合得分W：W＝ω1Y1+ω2Y2+ω3Y3

其中，ω1为珊瑚覆盖率权重值；ω2为珊瑚健康指数权重值；ω3为所有珊瑚平均颜色分数的权重值。