1.一种基于视觉增强的红外与可见光图像融合方法，其特征在于：包括如下步骤：步骤1：构建自编码器，并训练自编码器；其中，所述自编码器包含一个编码器Encoder和一个解码器Decoder，所述编码器Encoder由四个依次连接的编码单元组成，所述解码器Decoder由四个依次连接的解码单元组成，其中编码单元由依次连接的卷积层和lrelu激活层组成，解码单元也是由依次连接的卷积层和lrelu激活层组成；

步骤2：获取增强网络的训练集；

步骤3：构建增强网络，训练增强网络，得到训练好的增强网络模型；其中，所述增强网络包括照度模块和反射率模块，照度模块包含三层卷积层，反射率模块的结构与照度模块的结构相同；

步骤4：获取融合网络的训练集与测试集；

步骤5：构建融合网络，训练融合网络，得到训练好的融合网络模型；其中，所述融合网络包括上支路和下支路这两条支路，其中，上支路包括三个卷积单元，每个卷积单元均由一个3×3卷积层和一个lrelu激活层组成；下支路为一个1×1的卷积层；

步骤6：利用融合网络的测试集中的测试数据对步骤5得到的训练好的融合网络模型进行测试，得融合图像。

2.根据权利要求1所述的一种基于视觉增强的红外与可见光图像融合方法，其特征在于：步骤1中，训练自编码器包括如下具体步骤：步骤1.1：读取自编码器训练集中的图像，然后调整图像的尺寸，然后将图像转换到YCbCr颜色空间中，得图像Y通道的像素值；然后，将图像的像素值进行归一化处理，即得到输入图像；

步骤1.2：将输入图像的Y通道图IY 输入自编码器中进行编码，得到深度特征图F；

步骤1.3：将深度特征图F输入到自编码器中进行解码，得到输出的Y通道图OY ；

步骤1.4：根据损失函数 计算输入图像的Y通道IY 和重构的Y通道图OY 之间的特征损失；

步骤1.5：用Adam优化器优化梯度，更新自编码器的参数；

步骤1.6：重复步骤1.1至步骤1.5，直到在整个训练集上迭代次数epoch达到设定阈值，得到训练好的自编码器。

3.根据权利要求1所述的一种基于视觉增强的红外与可见光图像融合方法，其特征在于：步骤1.4中，损失函数 的计算公式，如式（1）所示：      （1）

式（1）中， 为结构损失，用于计算输入图像的Y通道IY 和重构的Y通道图OY的结构相似度； 为内容损失，用于计算输入图像的Y通道IY 和重构的Y通道图OY 的欧氏距离；α为超参数，用于平衡结构损失和内容损失；

式（1）中的 ，其计算公式如式（2）所示：

            （2）

式（2）中， 为内容损失，用于计算输入图像的Y通道IY 和重构的Y通道图OY 的欧氏距离；

式（1）中的 ，其计算公式如式（3）所示：

    （3）

式（3）中， 为结构损失，用于计算输入图像的Y通道IY和重构的Y通道图OY的结构相似度； 为输入图像的Y通道IY的均值； 为重构的Y通道图OY的均值；C1为常数； 为输入图像的Y通道IY和重构的Y通道图OY的协方差；C2为常数。

4.根据权利要求1所述的一种基于视觉增强的红外与可见光图像融合方法，其特征在于：步骤3中，所述增强网络的训练过程包括如下步骤：步骤3.1：读取增强网络训练的训练集中的低光与正常光图像对（Il,In)，然后分别将低光图像Il和正常光图像In转换到YCbCr颜色空间，提取低光图像Il和正常光图像In的Y通道图，得到Y通道图对(IlY,InY)；

步骤3.2：分别将低光图像Y通道图IlY 、正常光图像Y通道图InY 输入到步骤1得到的训练好的自编码器中进行编码，计算得到特征图对(FlY,FnY)；

步骤3.3：将特征图FlY和特征图FnY分别输入到增强网络中分别计算照度和反射率，计算得到低光图像的照度特征图Fli、正常光图像的照度特征图Fni、低光图像的反射率特征图Flr以及正常光图像的反射率特征图Fnr；而后，将低光图像的照度特征图Fli、正常光图像的照度特征图Fni、低光图像的反射率特征图Flr和正常光图像的反射率特征图Fnr分别输入到步骤1得到的训练好的自编码器中进行解码，得到低光图像的照度图Ili 、正常光图像的照度图Ini、低光图像的反射率图Ilr 以及正常光图像的反射率图Inr；

步骤3.4：根据损失函数 计算增强网络的损失值，并利用Adam优化器优化损失梯度并反向传播，更新增强网络的模型参数；

步骤3.5：重复步骤3.1至步骤3.4，在增强网络的训练集上直到迭代次数达到设定阈值，即可得到训练好的增强网络模型。

5.根据权利要求1所述的一种基于视觉增强的红外与可见光图像融合方法，其特征在于：步骤3.3的具体步骤为：将特征图FlY和特征图FnY分别输入到增强网络中，经增强网络的照度模块计算得到低光图像的照度特征图Fli和正常光图像的照度特征图Fni，经增强网络的反射率模块计算得到低光图像的反射率特征图Flr和正常光图像的反射率特征图Fnr；而后，将低光图像的照度特征图Fli、正常光图像的照度特征图Fni、低光图像的反射率特征图Flr和正常光图像的反射率特征图Fnr分别输入到步骤1得到的训练好的自编码器的解码器Decoder中，得到低光图像的照度图Ili 、正常光图像的照度图Ini、低光图像的反射率图Ilr以及正常光图像的反射率图Inr。

6.根据权利要求1所述的一种基于视觉增强的红外与可见光图像融合方法，其特征在于：步骤3.4中，损失函数 包含了四个部分，重构损失 、照度平滑度损失 、反射率不变损失 以及共同一致性损失 ；损失函数 的计算公式，如式（4）所示：   （4）

式（4）中， 为重构损失、 为照度平滑度损失、 为反射率不变损失、为共同一致性损失；β1、β2和β3均为超参数；

重构损失 计算公式，如式（5）所示：

   （5）

式（5）中，|| ||1表示的第一范数计算，为正常光图像、 为正常光图像的照度、 为正常光图像的反射率、为低光图像、为低光图像的照度、 为低光图像的反射率；

照度平滑度损失 计算公式，如式（6）所示：

    （6）

式（6）中，|| ||1表示的第一范数计算， 低光图像的照度的梯度值、 为正常光图像的照度的梯度值、 为低光图像的梯度值、 为正常光图像的梯度值；

反射率不变损失 计算公式，如式（7）所示：

     （7）

式（7）中，|| ||表示的第一范数计算， 反射率不变损失、 为低光图像的反射率、正常光图像的反射率；

共同一致性损失 计算公式，如式（8）所示：

  （8）

式（8）中，|| ||1表示的第一范数计算， 为低光图像的照度的梯度值、 为正常光图像的照度的梯度值、c为常数。

7.根据权利要求1所述的一种基于视觉增强的红外与可见光图像融合方法，其特征在于：步骤5中，所述融合网络的训练过程包括以下步骤：步骤5.1：读取融合网络的训练集中的红外图像与可见光图像对(Ii,Iv)，然后分别将红外图像Ii和可见光图像Iv转换到YCbCr颜色空间，提取红外图像Ii和可见光图像Iv的Y通道图，得到Y通道图对（IiY,IvY）；

步骤5.2：分别将Y通道图IiY 和Y通道图IvY输入步骤1中训练好的自编码器进行编码，计算得到特征图对(FiY,FvY)；

步骤5.3：将特征图FvY输入步骤3得到的训练好的增强网络模型中计算反射率，得到特征图Fve；

步骤5.4：将特征图对(FiY,Fve)在特征维度上连接，得拼接特征图，而后将拼接特征图输入到融合网络中，拼接特征图经融合网络处理得到全局信息融合特征图Ff1和全局信息融合特征图Ff2，而后将全局信息融合特征图Ff1和全局信息融合特征图Ff2在特征维度上连接得到全局信息融合特征图Ff；

步骤5.5：将全局信息融合特征图Ff输入步骤1得到的训练好的自编码器中进行解码，得到Y通道的融合图像IfY ；

步骤5.6：根据损失函数 计算融合网络的损失值，利用Adam优化器优化损失梯度并反向传播，更新融合网络的模型参数。

8.根据权利要求1所述的一种基于视觉增强的红外与可见光图像融合方法，其特征在于：步骤5.4的具体步骤为：将特征图对(FiY,Fve)在特征维度上连接，得拼接特征图，而后将拼接特征图输入到融合网络中，拼接特征图经融合网络的上支路处理得到全局信息融合特征图Ff1，拼接特征图经融合网络的下支路处理得到全局信息融合特征图Ff2，而后将全局信息融合特征图Ff1和全局信息融合特征图Ff2在特征维度上连接得到全局信息融合特征图Ff。

9.根据权利要求1所述的一种基于视觉增强的红外与可见光图像融合方法，其特征在于：步骤5.6中，损失函数 包含了强度损失 和梯度损失 这两个部分，损失函数 的计算公式，如式（9）所示：     （9）

式（9）中， 为强度损失、 为梯度损失；γ为超参数，用于平衡两项损失；

强度损失 的计算公式，如式（10）所示：

      （10）

式（10）中，|| ||1表示的第一范数计算，H为可见光图像的高、W为可见光图像的宽、为Y通道融合图像、 为红外图像Ii的Y通道图；

梯度损失 的计算公式，如式（11）所示：

   （11）

式（11）中，|| ||1表示的第一范数计算，H为可见光图像的高、W为可见光图像的宽、表示Sobel梯度计算操作，用于度量图像的细粒度纹理信息； 为融合图像IfY的梯度值、为可见光图像Iv的Y通道图的梯度值、 为红外图像Ii的梯度值。

10.根据权利要求1所述的一种基于视觉增强的红外与可见光图像融合方法，其特征在于：步骤6具体包括如下步骤：步骤6.1：将融合网络的测试集中的测试数据输入到步骤5得到的训练好的融合网络模型中并依次按照步骤5.1到步骤5.5进行，得到Y通道的融合图像IfY ；

步骤6.2：将Y通道的融合图像IfY 与可见光图像的CbCr通道在特征维度连接，得到YCbCr格式的图像，而后再转换为RGB格式，得到融合图像。