1.一种果蝇算法和杜鹃搜索算法串行融合进行图像增强优化的方法，其特征在于，包括以下步骤：步骤1：初始化果蝇群体位置，即为图像中像素点的位置；

步骤2：给出果蝇个体利用嗅觉搜寻食物的随机方向和距离；

步骤3：由于开始无法获知食物的具体位置，所以先计算果蝇个体与原点之间的距离Disti，再计算味道浓度判定值Si，Si为该点的灰度值；

步骤4：味道浓度判定值Si代入味道浓度判定函数，即评价增强图像的质量的标准的公式，以求出该果蝇个体位置的味道浓度Smelli；

步骤5：找出此果蝇群体中味道浓度最高的果蝇；

步骤6：设置适应度函数值的最大阈值为迭代终止条件，判断步骤5中的最优适应度是否满足终止条件，若满足，则输出具有最优适应度的个体，若不满足执行步骤7；

步骤7：对群体中不满足终止条件的全部个体进行杜鹃搜索算法，产生新的群体位置；

步骤8：将步骤7中产生的新群体位置继续返回步骤2循环操作，直到达到进化计算的终止条件，输出具有最优适应度的位置。

2.根据权利要求1所述的果蝇算法和杜鹃搜索算法串行融合进行图像增强优化的方法，其特征在于，步骤1中果蝇群体位置定义为：其中，X_axis、Y_axis分别表示果蝇初始位置横纵坐标值。

3.根据权利要求1所述的果蝇算法和杜鹃搜索算法串行融合进行图像增强优化的方法，其特征在于，步骤2中果蝇个体利用嗅觉搜寻食物的随机方向和距离定义为：其中，X_axis、Y_axis分别表示果蝇初始位置横纵坐标值，RandomValue表示随机数，两者相加得到新的果蝇位置的横纵坐标值。

4.根据权利要求1所述的果蝇算法和杜鹃搜索算法串行融合进行图像增强优化的方法，其特征在于：步骤3中，计算果蝇个体与原点之间的距离Disti和味道浓度判定值Si所采用的公式为：其中，Xi、Yi分别表示果蝇当前所在位置的坐标值，果蝇个体利用嗅觉搜寻食物的随机方向和距离。

5.根据权利要求1所述的果蝇算法和杜鹃搜索算法串行融合进行图像增强优化的方法，其特征在于，步骤4中果蝇个体位置的味道浓度Smelli为：Smelli＝Fitness(Si)；

其中，Si表示味道浓度判定值，Fitness(Si)表示味道浓度判定函数，即为评价增强图像的质量的标准公式：其中M、N分别代表图像的宽、高，f'(x,y)为像素点(x,y)变换后的灰度值，fit值越大，图像的对比度越大，图像的增强效果越好。

6.根据权利要求1所述的果蝇算法和杜鹃搜索算法串行融合进行图像增强优化的方法，其特征在于，步骤5中果蝇群体中味道浓度最高的果蝇位置公式为：[bestSmell,bestIndex]＝min(Smell)；

其中，bestSmell表示最佳味道浓度值，bestIndex表示最佳味道浓度所在位置坐标，Smell表示每个个体位置的味道浓度。

7.根据权利要求1所述的果蝇算法和杜鹃搜索算法串行融合进行图像增强优化的方法，其特征在于：步骤6中，优化计算终止条件为所设置的适应度函数的值的最大阈值或者最大的迭代次数。

8.根据权利要求1-7任意一项所述的果蝇算法和杜鹃搜索算法串行融合进行图像增强优化的方法，其特征在于，步骤7的具体实现包括以下子步骤：步骤7.1：将种群中不满足终止条件的全部个体作为初始化鸟巢的位置Xi,i∈[1,n]，定义目标函数f(x),X＝[X1,X2,…,Xn]T；

步骤7.2：计算每个鸟巢位置的目标函数值并进行比较，得到当前的最优函数值；

步骤7.3：对除最优鸟巢以外的其他鸟巢的位置和状态进行更新，计算目标函数值，获得的函数值与当前的最优函数值进行比较，若较好，则更新记录当前最优值；

步骤7.4：位置更新后，用随机数r与Pa进行比较，Pa表示鸟巢主人发现外来鸟蛋的概率，Pa∈[0,1]如果r＞Pa就随机更新一次鸟窝的位置，否则鸟巢位置不变。

9.根据权利要8所述的果蝇算法和杜鹃搜索算法串行融合进行图像增强优化的方法，其特征在于，步骤7.3中杜鹃鸟寻找宿主鸟巢的位置和路径更新公式如下：其中， 表示第i个鸟巢在第t次迭代是的位置，步长缩放因子a＞0，用来控制步长，其值服从正态分布，s,λ为正态分布的随机数。