1.一种低照度图像迭代增强的方法，其特征在于，包括以下步骤：S10，根据正常照度图像，建立空间模型；所述的空间模型包括一组正常照度图像，以及由该组图像训练得到的R通道模型、G通道模型、B通道模型；

所述的步骤S10包括：

S11，利用摄像头自动拍摄或主动输入一组正常照度图像，分别获取每张图像每个像素点的R、G、B通道数值；

S12，分别利用图像的R、G、B数值训练三个BP神经网络模型：训练R通道的BP神经网络时，输入正常照度图像M1的像素点的R通道数值r1，输入正常照度图像M2的同一位置像素点的R通道数值r2，输入信任度t，计算公式为：舍弃t小于等于0.85的像素点，进行BP神经网络模型训练，以矫正后的R通道数值r3作为输出；在训练过程中，循环输入M1和M2的所有像素点数值进行训练，训练后将矫正值赋给M1相应像素点；

再输入正常照度图像M3，与图像M1重复执行以上步骤；

以矫正度c作为训练标准，计算公式为：

当c大于等于0.95时，标记该像素点训练完毕，当图像M1的98％的像素点训练完毕时，标记该神经网络训练完毕，得到训练好的R通道模型；

训练G通道的BP神经网络和训练B通道的BP神经网络的过程同上；

S20，将低照度目标图像与空间模型中的当前组正常照度图像进行匹配，筛选出整体匹配度最高的图像，并计算整体匹配度最高的图像中每一个像素点的信任度值；

所述的步骤S20包括：

S21，将低照度目标图像与当前空间模型中的一组正常照度图像进行整体匹配，以二者的R、G、B像素差之和作为整体匹配度，计算公式为：D(i)＝|Ri‑ri|+|Gi‑gi|+|Bi‑bi|其中，D(i)为两张图像在同一位置的像素点i的差值，Ri、Gi、Bi分别为低照度目标图像像素点i的R、G、B数值，ri、gi、bi分别为正常照度图像相同位置像素点i的R、G、B数值；m为有效像素点的个数；M1为整体匹配度，M1值越小，整体匹配度越高，因此将M1值最小的图像作为整体匹配度最高的图像；

S22，针对低照度目标图像中的任一像素点i，获取像素点i的邻近像素点集合Qi，所述邻*近像素点集合中的所有像素点与该像素点i的距离均不大于d ，将像素点i的邻近像素点集合Qi中的像素点个数记为|Qi|；

S23，将图像由RGB通道转换至HSI颜色空间，得到图像中每一个像素点的H值；计算该像素点i的色彩匹配度方差，公式为：2

其中，Si表示低照度目标图像和整体匹配度最高的图像中的像素点i的色彩匹配度方差，Hi表示低照度目标图像中的像素点i的H值，hi表示整体匹配度最高的图像中相对应像素点i的H值；

S24，计算整体匹配度最高的图像中的每一个像素点的信任度值，计算公式为：其中，Ti表示像素点i的信任度值；

S30，将低照度目标图像中每一个像素点的RGB值、整体匹配度最高的图像中该像素点的RGB值以及该像素点的信任度值构成三元组，分别利用R通道模型、G通道模型、B通道模型获取低照度目标图像中矫正后的RGB值；

S40，利用矫正后的RGB值更新低照度目标图像；

S50，重复步骤S20至S40，直至更新后的低照度目标图像与空间模型中的当前组正常照度图像的匹配结果满足预设条件，输出增强后的目标图像。

2.根据权利要求1所述的低照度图像迭代增强的方法，其特征在于，步骤S10中所述的正常照度图像根据预设的拍摄时间及更新时间，进行自动拍摄和更新，更新后的一组正常照度图像会覆盖更新前的图像；所述的R通道模型、G通道模型、B通道模型均由更新后的一组正常照度图像训练得到。

3.根据权利要求1所述的低照度图像迭代增强的方法，其特征在于，步骤S21中计算得到每一个像素点的D(i)值之后，剔除p个最大的D(i)值对应的像素点，以及p个最小的D(i)值对应的像素点，将留下的像素点作为有效像素点。

4.根据权利要求1所述的低照度图像迭代增强的方法，其特征在于，步骤S50所述的预设条件为：当更新后的低照度目标图像与空间模型中的当前组正常照度图像经过S21中的整体匹配步骤后，匹配结果M1低于阈值。

5.根据权利要求1所述的低照度图像迭代增强的方法，其特征在于，步骤S23所述的将图像由RGB通道转换至HSI颜色空间，转换公式为：其中，Ri、Gi、Bi分别为像素点i的R、G、B数值，θi为像素点i对应的转换参数，Hi为像素点i对应的H值。

6.根据权利要求1所述的低照度图像迭代增强的方法，其特征在于，步骤S22中像素点之间的距离计算公式为：D＝|x‑s|+|y‑t

其中，(x,y)为目标像素点位置，(s,t)为邻近像素点位置。

7.根据权利要求1所述的低照度图像迭代增强的方法，其特征在于，步骤S30包括：S31，将低照度目标图像中每一个像素点的Ri值，以及与该像素点对应的标准图像的ri值，以及该像素点i对应的信任度Ti值构成三元组(Ri,ri,Ti)；

S32，将三元组作为R通道模型的输入，输出矫正后的Ri值；

S33，重复步骤S31‑步骤S32，分别将三元组(Gi,gi,Ti)作为G通道模型的输入，输出矫正后的Gi值；将三元组(Bi,bi,Ti)作为B通道模型的输入，输出矫正后的Bi值；

S34，遍历低照度目标图像中的所有像素点，获取每一个像素点矫正后的RGB值。