1.一种语义引导的暗光图像增强方法，其特征在于，包括以下步骤：

S10、将原始暗光RGB图像转换为HSV颜色空间图像；

S20、使用融合增强模型对所述HSV颜色空间图像中V通道明度进行增强，得到图像明度增强后的V通道；

所述融合增强模型为：

IE＝I⊙(1-M)+Iini⊙M

其中，IE表示增强后图像，⊙表示像素与像素乘法，I表示原始的暗光图像，Iini表示初始的增强图像，M表示可以同时感知光照和特定语义信息的融合权重图像，即M由感知亮度图像MK和感知语义图像Ms两部分明亮度融合而成；

S30、将所述图像明度增强后的V通道与所述HSV颜色空间图像中的H通道、S通道一起转换回RGB颜色空间，得到亮度增强RGB图像。

2.根据权利要求1所述的语义引导的暗光图像增强方法，其特征在于，所述初始的增强图像Iini获取步骤为：根据Retinex模型，对于原始的暗光图像I可以表示为反射图Ir与光照图Ii的像素与像素之间乘积，即I＝Ii⊙Ir；由于同时估计Ir和Ii的分解方法通常较为耗时，因此采用简化的Retinex模型来获取初始的增强图像Iini：其中，在所述简化的Retinex模型中，Ii是分段平滑的，利用保边缘滤波器来估计获取；

采用Guided Filter导向滤波器来估计光照图Ii。

3.根据权利要求1所述的语义引导的暗光图像增强方法，其特征在于，所述感知亮度的MK为使用Ostu阈值法概括出原始图像I的明亮分布得到；所述Ostu阈值法通过搜索类间方差最大化获得最佳阈值to：其中， 是亮像素类和暗像素类的类间方差。

4.根据权利要求3所述的语义引导的暗光图像增强方法，其特征在于，所述语义感知图像Ms的获取步骤为：对于给定的预定义的语义语料库 语义分割系统给所述原始的暗光图像I的每一个像素p分配一个语义语料库中的语义标签 语义分割操作将所述原始的暗光图像I分成若干个互斥的子集{Ik}，即I＝I1∪...∪IN，由于每个子集间的两两互斥性，通过二值化Ik获得Ms。

5.根据权利要求4所述的语义引导的暗光图像增强方法，其特征在于，所述语义分割系统为金字塔场景解析网络PSPnet，所述金字塔场景解析网络PSPnet分为三个部分：主干，金字塔池化模块和分类器；其中，选择残差网络Resnet作为主干；所述金字塔场景解析网络PSPNet构建了金字塔池化模块PPM，该模块包含多个并行分支，用于将特征向下采样到不同的分辨率；所述金字塔池化模块PPM所学习的特性具有更大的感受野，并且聚合了更多的上下文信息；对于所述原始的暗光图像I的每一个像素p的语义标签通过3×3的卷积获得。

6.根据权利要求5所述的语义引导的暗光图像增强方法，其特征在于，所述融合权重图像M获取步骤如下：在获得MK和Ms后，通过逻辑与的方式获得初步的融合图像MF：MF＝MK∩MS

采用联合导向滤波器JointGuided Filter来细化MF的结构和边缘区域，来保证增强结果增强效果；在细化过程中，采用所述原始的暗光图像I作为导向图像，将所述滤波器JointGuided Filter的输出图像做为最终的融合权重图像M。