1.一种基于retinex理论的图像增强方法，包括以下步骤：步骤S1，获取待处理的原始图像；

步骤S2，分离出图像的亮度层和色彩层，其中色彩层是物体本来属性保留；亮度层包含光照信息进行单独处理；

步骤S3，对亮度层进行仿生螺线的照度分析，并根据自适应平滑算法，得到新的亮度层；

步骤S4，将新的亮度层与原来的色彩层合并，得到增强后的图像。

2.根据权利要求1所述的基于retinex理论的图像增强方法，其特征在于，所述步骤S2使用基于HSI模型的图像分离，将分离出来的饱和度和色调分量合并为色彩层，将强度分量作为亮度层。

3.根据权利要求2所述的基于retinex理论的图像增强方法，其特征在于，所述使用基于HSI模型的图像分离中，其中

以上公式中H、S、I为HSI色彩模型的分量，R、G、B为图像在RGB模型的分量。

4.根据权利要求2或3所述的基于retinex理论的图像增强方法，其特征在于，所述步骤S4还包括，在将新的亮度层和原始图像分离出来的色彩层重新组合后，将HIS模型转换为RGB模型，得到增强后的图像。

5.根据权利要求1所述的基于retinex理论的图像增强方法，其特征在于，所述步骤S2中的根据自适应平滑算法，得到新的亮度层包括如下步骤：在所述步骤S2分离的亮度层上，按照仿生螺线路径选择一部分像素点，作为估计照度的图像；

最终的增强图像中的单个点亮度值取决于与该条特定路径上环绕的像素点进行比较之后的结果，并迭代多次。

6.根据权利要求5所述的基于retinex理论的图像增强方法，其特征在于，所述选择一部分像素点的路径采用阿基米德螺线，路径点方程如下：t∈[0,kπ]

式中，fix为取整函数，(x,y)为图像路径像素点的坐标，w和h为图像像素的宽和高，n代表螺线的疏密程度，k为螺线旋转的圈数。

7.根据权利要求6所述的基于retinex理论的图像增强方法，其特征在于，在单个点亮度值与路径上的点完成比较后，将得到的差值表示为ri(x,y)；

完成一次迭代后，可以得到：

式中，ri(x,y)是上一轮迭代完成的结果，ri'(x,y)是ri(x,y)与亮度差的和；

其中，Δf是单点在路径上的亮度差，max是原始图像中像素亮度值的最大值；经过i轮迭代后，ri+1(x,y)即为增强后图像的亮度值。

8.一种基于仿生螺线的光照补偿方法，包括以下步骤：步骤S10，获取原始图像各像素点的亮度值；

步骤S20，按照阿基米德螺线的路径选取一部分像素点，作为估计照度的图像；

步骤S30，将所述路径上选取的像素点与中心像素点做亮度值进行比较，并迭代多次，得到最终图像的亮度值。

9.根据权利要求8所述的基于仿生螺线的光照补偿方法，其特征在于，所述阿基米德螺线方程如下：t∈[0,kπ]

式中，fix为取整函数，(x,y)为图像路径像素点的坐标，w和h为图像像素的宽和高，n代表螺线的疏密程度，k为螺线旋转的圈数。

10.根据权利要求8所述的基于仿生螺线的光照补偿方法，其特征在于，在单个点亮度值与路径上的点完成比较后，将得到的差值表示为ri(x,y)；

完成一次迭代后，可以得到：

式中，ri(x,y)是上一轮迭代完成的结果，ri'(x,y)是ri(x,y)与亮度差的和；

其中，Δf是单点在路径上的亮度差，max是原始图像中像素亮度值的最大值；经过i轮迭代后，ri+1(x,y)即为增强后图像的亮度值。