基于原型驱动SAM的水下新类别实例分割方法、设备

本发明实施例提供了一种基于原型驱动SAM的水下新类别实例分割方法、设备，涉及图像信息处理与计算机视觉技术领域，首先通过频域低频振幅选择性注入与相位谱保持的跨域风格对齐；利用反向投影与真实掩码的一致性校验动态滤除仅靠前向传播无法辨别的背景伪影，之后将空间异方差不确定性建模引入候选点回归过程，并在聚类阶段将该不确定性作为指数惩罚因子对候选点距离进行非线性放大，强制断裂虚假视觉连接，实现粘连实例的稳健解耦，再馈入SAM解码器，凭借大模型的零样本泛化能力输出高精度掩码，显著提升了水下新类别目标的发现精度与定位鲁棒性，抗干扰性强、形态自适应性好、且边缘分割精准。