1.一种暗视觉环境下基于卷积神经网络的图像增强方法，其特征在于，包括：

S1：获取原始图像数据和暗视觉环境下的图像数据；

S2：将获取的数据分为训练集和测试集；采用训练集的数据训练改进的卷积神经网络模型；采用测试集的数据进行卷积神经网络性能测试；

S3：将暗视觉环境下的图像数据输入图像分解网络中，得到分解出的亮度通道图像；

S4：将暗视觉环境下的图像数据和亮度通道图像输入到改进的卷积神经网络模型中，得到暗视觉环境下采集图像的增强图像。

2.根据权利要求1所述的一种暗视觉环境下基于卷积神经网络的图像增强方法，其特征在于，所述改进的卷积神经网络包括：图像生成网络以及判别器网络；

图像生成网络采用自编码网络结构，包括编码器和解码器，共十二个卷积层，编码器和解码器各包含六个卷积层；

判别器网络为卷积层和全连接层相结合的结构；判别器网络包括五个卷积层、四个BN层以及一个全连接层；

其中，BN表示批量归一化。

3.根据权利要求2所述的一种暗视觉环境下基于卷积神经网络的图像增强方法，其特征在于，所述编码器的结构包括：编码器第一层为一个卷积层，卷积核个数为3，卷积窗口的大小为9*9，激活函数为relu函数，步长为1；第二层卷积层的个数为64个，卷积窗口的大小为3*3，激活函数为relu函数，步长为1；第三层卷积层的个数为128个，卷积窗口的大小为3*3，激活函数为relu函数，步长为1；第四层卷积层的个数为256个，卷积窗口的大小为3*3，激活函数为relu函数，步长为1；

第五、六层卷积核的个数均为512个，卷积窗口的大小为3*3，激活函数为relu函数，步长为

1，其中每个卷积层后均有一个BN层；

其中，relu表示线性整流函数。

4.根据权利要求2所述的一种暗视觉环境下基于卷积神经网络的图像增强方法，其特征在于，所述解码器的结构包括：解码器的第一、二层卷积核个数均为512个，卷积窗口的大小为3*3，激活函数为relu函数，步长为1；第三层卷积层的个数为256个，卷积窗口的大小为3*3，激活函数为relu函数，步长为1；第四层卷积层的个数为128个，卷积窗口的大小为3*3，激活函数为relu函数，步长为1；第五层卷积层的个数为64个，卷积窗口的大小为3*3，激活函数为relu函数，步长为1；

第六层卷积层的个数为3个，卷积窗口的大小为1*1，激活函数为relu函数，步长为1，其中每个卷积层后均设置有一个BN层；

其中，relu表示线性整流函数。

5.根据权利要求2所述的一种暗视觉环境下基于卷积神经网络的图像增强方法，其特征在于，所述判别器网络的结构包括：判别器网络的第一层为卷积层，卷积核个数为48，卷积窗口的大小为11*11，激活函数为lrelu函数；第二层为卷积层，卷积核个数为128，卷积窗口的大小为5*5，激活函数为lrelu函数；第三层为BN层；第四层为卷积层，卷积核个数为192，卷积窗口的大小为3*3，激活函数为lrelu函数；第五层为BN层；第六层为卷积层，卷积核个数为192，卷积窗口的大小为3*3，激活函数为lrelu函数；第七层为BN层；第八层为卷积层，卷积核个数为128，卷积窗口的大小为3*3，激活函数为lrelu函数；第九层为BN层；第十层为全连接层，激活函数为lrelu函数，输出一个概率值；

其中，lrelu表示带泄露线性整流函数。

6.根据权利要求1所述的一种暗视觉环境下基于卷积神经网络的图像增强方法，其特征在于，所述图像生成网络的输入包括获取的暗视觉环境下的图像和提取出的亮通道图像，两张图像进行连接后输入到图像生成网络中，其中，由图像生成网络生成的增强图像和正常光照下的图像分别进行高斯模糊操作，构建颜色损失函数；将增强图像与正常光照下的图像转换为灰度图，再输入判别器网络，构建纹理损失函数；将正常光照下的图像和增强图像输入VGG-19网络中，构建内容损失函数；在图像生成网络构建总体损失函数，加强图像的空间平滑性；整个卷积神经网络的损失函数为上述的损失函数的权重之和；通过求取卷积神经网络的整体损失函数得到暗视觉环境下图像的增强图像；

其中，VGG-19表示深度卷积神经网络。

7.根据权利要求6所述的一种暗视觉环境下基于卷积神经网络的图像增强方法，其特征在于，卷积神经网络的整体损失函数的表达式为：Ltotal＝β1Lcolor+β2Lcontent+β3Ltexture+β4Ltv其中，β1表示颜色损失函数的权重，β2表示内容损失函数的权重，β3表示纹理损失函数的权重，β4表示总体变化损失函数的权重，Lcolor表示颜色损失函数，Lcontent表示内容损失函数，Ltexture表示纹理损失函数，Ltv表示总体变化损失函数。

8.根据权利要求1所述的一种暗视觉环境下基于卷积神经网络的图像增强方法，其特征在于，判别网络的损失函数的表达式为：其中，IH表示正常光照下的图像，IL表示暗视觉环境下的图像， 表示判别器网络。