1.基于无参考图像质量评价和MSR的图像优化方法，其特征在于，包含以下步骤：步骤1)，将输入彩色图像分解为红、绿、蓝三个通道下的灰度图，获得三个通道下的灰度图像Si(x,y)，其中i代表第i通道，i为大于等于1小于等于3的整数，第1、第2、第3通道分别代表红、绿、蓝三个通道；x、y分别为图像中像素点的横向坐标、纵向坐标；

步骤2)，对于每个通道下的灰度图像Si(x,y)，计算其平均标准偏差σ1i作为其第一尺度参数，并按下面公式计算其第二尺度参数σ2i、第三尺度参数σ3i：σ2i＝σ1i+0.5

σ3i＝σ1i+1

步骤3)，用Retinex的方案把灰度图像Si(x,y)在σ1i、σ2i、σ3i三个尺度下进行还原：式中， 分别为第i个通道的灰度图像在σ1i、σ2i、σ3i三

个尺度下的还原结果； 分别为第i个通道的灰度图像在σ1i、

σ2i、σ3i三个尺度下的高斯滤波函数；

步骤4)，采用粒子群优化算法进行对灰度图像Si(x,y)的三个尺度的权重进行统一优化，即三个尺度权重共同适用于三个通道；

步骤4.1)，设置灰度图像Si(x,y)在σ1i、σ2i、σ3i三个尺度下还原的图像尺度权值W11、W21、W31，其中W31＝1‑W11‑W21，W11、W21、W31均大于等于0小于等于1，具体设置方法如下：在0≤1‑W11‑W21≤1、0≤W11≤1、0≤W21≤1的前提下，随机设置W11和W21，然后根据W11、W21计算出W31；

步骤4.2)，设置当前迭代次数n＝1，设置最大迭代次数Itmax，设置最小适应度函数目标值Fittarget，设置粒子运动步长step，设置粒子数pa；

步骤4.3)，用下式还原每个粒子第n次迭代时在红、绿、蓝三个通道下的图像log(Rin(x,y))；

步骤4.4)，对图像log(Rin(x,y))采用反对数还原，即令步骤4.5)，将每个粒子在红、绿、蓝三个通道下的图像Rin(x,y)合并成一张彩色图片，采用空间频谱熵的质量指标SSEQ图像质量评价算法对该彩色图片进行图像质量评价，获得三个index(i,n)；然后把三个index(i,n)相加取反，获得适应度函数Fitness(n)：步骤4.6)，判断是否存在Fitness(n)Itmax，如果存在Fitness(n)Itmax，将最优适应度gbest的位置作为最优值并执行步骤5)；如果不存在Fitness(n)

步骤4.7)，以每个粒子的历史最优适应度pbest和整个粒子群体的最优适应度gbest的取值最小为目标，更新记录每个粒子的历史最优适应度pbest和整个粒子群体的最优适应度gbest；

步骤4.8)，依据标准粒子群优化算法的更新算法进行位置更新：

v(n+1)＝v(n)+c1*rand*(pbest‑W(n))+c1*rand*(gbest‑W(n))W(n+1)＝W(n)+v(n+1)

其中，v(n+1)为第n+1次的位置更新值；v(n)为第n次的位置更新值；c1、c2分别为预先设定的粒子的历史最优适应度pbest、整个粒子群体的最优适应度gbest对整个更新的影响；rand表示为0～1之间的随机数，用于增加整个算法的随机性，从而提高跳出局部最优的能力；W(n)为第n次迭代时粒子的位置，由第n次迭代时粒子所处位置W1、W2、W3所组成；W(n+

1)为第n+1次迭代时粒子的位置；

步骤4.9)，根据W(n+1)计算W1n+1、W2n+1、W3n+1，并令n＝n+1；

步骤4.10)，跳转执行步骤4.3)；

步骤5)，获得取最优值时粒子在σ1i、σ2i、σ3i三个尺度下还原的图像尺度权值W1o、W2o、W3o，o为取最优值时粒子的迭代次数，通过以下公式还原此时粒子在红、绿、蓝三个通道下的图像log(Rio(x,y))；

对图像log(Rio(x,y))采用反对数还原，即令

将此时粒子在红、绿、蓝三个通道下的图像Rio(x,y)合并成一张彩色图片，即为优化后的照片。

2.根据权利要求1所述的基于无参考图像质量评价和MSR的图像优化方法，其特征在于，所述c1、c2均等于0.5。