1.一种面向单色‑彩色双相机的低照度图像预处理方法，其特征在于，该方法包括：S1：通过设备获取低照度环境下的原始图像对，包括单色图像M和彩色图像C；

S2：将获取的原始图像对使用改进的低照度图像增强LIME图像增强算法进行增强，得到增强单色图像M1和增强彩色图像C1；

S3：对增强单色图像C1进行色彩空间转换，得到色彩空间图像YCbCr；

S4：对增强单色图像C1中的亮度分量C1Y、增强彩色图像M1进行下采样，接着对下采样后图像进行特征点检测；

S5：基于上一步得到的特征点进行特征点匹配，归类为特征点对，选择高匹配度的特征点对，对M1进行仿射变换得到变换图像M2；

S6：基于变换图像M2的曝光信息，使用自适应曝光修正算法对分量C1Y进行Gamma变换得到修正亮度分量C‘1Y，实现单色图像M和彩色图像C的曝光值对齐；

其中，YCbCr色彩空间包括三个分量Y、Cb、Cr，Y指光照亮度分量，Cb指蓝色色度分量、Cr指红色色度分量，Gamma表示伽马校正。

2.根据权利要求1所述的一种面向单色‑彩色双相机的低照度图像预处理方法，其特征在于，获取原始图像对的设备为单色‑彩色双相机。

3.根据权利要求1所述的一种面向单色‑彩色双相机的低照度图像预处理方法，其特征在于，改进LIME图像增强算法为具有自适应Gamma校正的LIME图像增强算法，具体为；

在基于视网膜皮层Retinex的LIME图像增强算法的基础上，将固定参数的Gamma变换改进为自适应参数的Gamma校正；

其中，Retinex基础理论为；

I为采集到的图像，R为反射分量，L为估计的入射分量，为图像之间的乘积运算；根据求解的估计照度图，通过Retinex理论求解反射分量，达到图像增强的效果；基于Retinex理论，改进的自适应Gamma校正所使用的表达式为：其中，Vin代表输入的像素值，γ为Gamma参数，A为幅度值，Vout为Gamma校正输出值。

4.根据权利要求3所述的一种面向单色‑彩色双相机的低照度图像预处理方法，其特征在于，改进后的Gamma校正的自适应参数包括选择合适参数的集合并遍历参数得到校正后的图像组，并使用峰值信噪比PSNR评价校正后的图像质量，根据最高的PSNR值确定相应的Gamma校正参数，以确保能从中选择最优的Gamma校正参数；

峰值信噪比PSNR评价表达式为；

其中，均方误差MSE的求解公式为；

其中，m表示总行数，n表示总列数，i表示行遍历的索引值，j表示列遍历的索引值，I(i，j)表示Gamma增强前的像素的值，K(i，j)表示Gamma增强后的像素的值。

5.根据权利要求1所述的一种面向单色‑彩色双相机的低照度图像预处理方法，其特征在于，RGB色彩空间转换为YCbCr色彩空间的表达式为：其中，RGB指的是红色R、绿色G、蓝色B三种颜色分量。

6.根据权利要求1所述的一种面向单色‑彩色双相机的低照度图像预处理方法，其特征在于，特征点对的获取步骤为；

采取尺度不变特征转换算法SIFT检测特征点；

采取快速最近邻搜索包匹配算法FLANN进行特征点匹配为特征点对，并使用随机抽样一致算法RANSAC剔除掉不合理的特征点对；

从匹配的特征点对中选取最外侧的特征点对作为所需特征点对。

7.根据权利要求1所述的一种面向单色‑彩色双相机的低照度图像预处理方法，其特征在于，自适应曝光修正算法包括：利用特征点对求解仿射变换所需的单应性矩阵；

对两幅图像进行仿射变换，使两幅图像贴合；

自适应曝光修正是指通过以M2为基础，对C1Y进行Gamma校正，使其直方图接近M2，将其转换为以下优化问题：其中，C表示修正前C1的Y分量值，C′表示修正后C1的Y分量值，i是对Ci中像素集合遍历的索引，n代表像素的总数，下标F表示使用范数Frobenious。

8.根据权利要求7所述的一种面向单色‑彩色双相机的低照度图像预处理方法，其特征在于，进行仿射变换所需单应性矩阵，其计算公式如下：其中，∝表示左侧与右侧成正相关；

使用H33＝1，故H共8个未知数，需要8个方程来求解，一对匹配点提供2个方程，展开如下，根据四对匹配点求解方程组，其中(u1，v1)和(u2，u2)表示匹配的一对点，u1，v1分别表示匹配点的值，可得单应性矩阵H，H为H3×3的矩阵整体，H11～H33代表矩阵行列位置。