1.一种水下图像增强方法，其特征是，包括以下步骤：

获取原始图像信息；

对原始图像信息进行白平衡处理后形成白平衡图像信息，对白平衡图像信息进行锐化处理后形成锐化图像信息；

构建生成网络，所述生成网络包括细化子网络以及感知子网络；将锐化图像信息作为细化子网络的输入以提取纹理细节特征图像信息，将原始图像信息与白平衡图像信息作为感知子网络的输入以提取全局特征图像信息；将纹理细节特征图像信息与全局特征图像信息相互叠加以形成预测图像信息；

构建判别网络，以所述预测图像信息和所预设的标准图像信息作为输入，以区分所述预测图像信息与标准图像信息的真伪作为优化目标，联合训练所述生成网络和所述判别网络，获得原始图像信息到标准图像信息之间的映射关系；

利用所获得的映射关系进行原始图像信息的重建。

2.根据权利要求1所述的水下图像增强方法，其特征是：所述细化子网络包括依次连接的多个卷积层，且每个卷积层后连接有Leaky ReLU激活函数。

3.根据权利要求1所述的水下图像增强方法，其特征是：所述感知子网络包括卷积模块以及反卷积模块；所述卷积模块接收原始图像信息与白平衡图像信息进行特征提取以形成特征提取图像信息；所述反卷积模块进行上采样以形成全局特征图像信息。

4.根据权利要求3所述的水下图像增强方法，其特征是：所述感知子网络还包括连接于卷积模块以及反卷积模块之间的残差模块；将卷积模块所形成的特征提取图像信息输入至残差模块进行特征增强，将增强后的特征提取图像信息反馈至反卷积模块进行上采样。

5.根据权利要求4所述的水下图像增强方法，其特征是：所述卷积模块包括依次连接的三个卷积块，每个卷积块包括依次连接的卷积层、BN层以及ReLU激活函数；将三个卷积块分别定义为卷积核为7*7且步长为1的第一卷积块、卷积核为3*3且步长为2的第二卷积块以及卷积核为3*3且步长为2的第三卷积块，第一卷积块、第二卷积块以及第三卷积块逐层进行下采样以形成不同分辨率的特征图像，且第三卷积块输出特征提取图像信息；

所述残差模块包括第四卷积块、第五卷积块以及第一激活函数；其中，第一激活函数采用ReLU激活函数；第四卷积块包括依次连接的卷积层、BN层、ReLU激活函数；第五卷积块包括依次连接的卷积层、以及BN层；将特征提取图像信息依次经过第四卷积块以及第五卷积块以提出特征并形成二次特征图像提取信息；再将特征提取图像信息与二次特征图像提取信息进行叠加融合并反馈至第一激活函数并输出特征增强图像信息；将特征增强图像信息反馈至反卷积模块进行上采样；

所述反卷积模块包括依次连接的第一反卷积块、第二反卷积块以及第六卷积块；所述第一反卷积块包括依次连接的卷积层、BN层、ReLU激活函数，且卷积核为3*3且步长为2；所述第二反卷积块包括依次连接的卷积层、BN层、ReLU激活函数，且卷积核为3*3且步长为2；

所述第六卷积块包括依次连接的卷积层、以及Tanh激活函数，且卷积核为3*3且步长为

1；所述第六卷积块输出全局特征图像信息。

6.根据权利要求3所述的水下图像增强方法，其特征是：

关于通过生成网络形成预测图像信息所对应的总损失函数为对抗损失、颜色感知损失、结构相似损失、细节损失以及内容损失的线性组合。

7.根据权利要求6所述的水下图像增强方法，其特征是：

生成网络的对抗损失采用最小二乘损失，具体表示为：

其中，z表示预测图像信息所对应的图像；D(z)表示判别网络对z进行判别所输出的判别情况；i表述图像的像素点；N表述图像的像素点的个数；

根据白平衡图像信息以及预测图像信息以计算颜色感知损失，具体表示为：其中，xwb表示白平衡图像信息所对应的图像；z表示预测图像信息所对应的图像；G(·)表示高斯模糊操作；i表示图像的像素点；N表述图像的像素点的个数；

根据原始图像信息以及预测图像信息以计算结构相似损失，具体表示为：zb表示属于预测图像信息的灰度图像zgray的5×5图像块， xb则表示属于原始图像信息的灰度图像xgray的5×5图像块， {R,G,B}表示图像的三个通道；p表示图像块的中心像素；μzb和σzb分别表示图像块zb的均值和标准差；μxb和σxb表示图像块xb的均值和标准差；σzbxb表示图像块zb和图像块xb之间的协方差；C1＝(K1+L)2，C2＝2

(K2+L) ；K1＝0.01，K2＝0.03，L＝255；

根据锐化图像信息以及预测图像信息以计算细节损失，具体表示为：

其中，表示梯度操作；xsp表示锐化图像信息所对应的图像；z表示预测图像信息所对应的图像；i表示图像的像素点；N表述图像的像素点的个数；

根据预测图像信息以及标准图像信息以计算内容损失，具体表示为：

其中，y表示标准图像信息所对应的图像，z表示预测图像信息所对应的图像；Cj、Hj、Wj分别表示图像的数量、高度、宽度； 表示第j层提取的图像；

总损失函数，具体表示为：

其中，ω1＝10；ω2＝0.15；ω3＝10；ω4＝2.5；ω5＝10。

8.根据权利要求6所述的水下图像增强方法，其特征是：判别网络的对抗损失采用最小二乘损失，具体表示为：其中，y表示标准图像信息所对应的图像；z表示预测图像信息所对应的图像；D(y)表示判别网络对y进行判别所输出的判别情况；D(z)表示判别网络对z进行判别所输出的判别情况；i表述图像的像素点；N表述图像的像素点的个数。

9.一种水下图像增强系统，其特征在于，包括，

图像获取模块：用于获取原始图像信息；

图像处理模块：用于对原始图像信息进行白平衡处理后形成白平衡图像信息，对白平衡图像信息进行锐化处理后形成锐化图像信息；

网络构建和训练模块：用于构建生成网络以及构建判别网络；

所述生成网络包括细化子网络以及感知子网络；将锐化图像信息作为细化子网络的输入以提取纹理细节特征图像信息，将原始图像信息与白平衡图像信息作为感知子网络的输入以提取全局特征图像信息；将纹理细节特征图像信息与全局特征图像信息相互叠加以形成预测图像信息；

所述判别网络以所述预测图像信息和所预设的标准图像信息作为输入，以区分所述预测图像信息与标准图像信息的真伪作为优化目标，联合训练所述生成网络和所述判别网络，获得原始图像信息到标准图像信息之间的映射关系；

图像重建模块：用于利用所获得的映射关系进行原始图像信息的重建。

10.一种计算机可读存储介质，其特征是，存储有能够被处理器加载执行时实现如权利要求1至8中任一项所述的水下图像增强方法的程序。