1.一种基于各向异性梯度模型的图像增强方法，其特征在于，包括：获取待处理图像；

采用L1-L0混合正则化的各向异性梯度层分解模型将所述待处理图像进行分解，得到保真项、纹理层正则项和基层正则项；其中，所述L1-L0混合正则化的各向异性梯度层分解模型中包括L1正则化的各向异性梯度基层模型和L0正则化的各向异性梯度纹理层模型；

根据所述保真项、所述纹理层正则项和所述基层正则项，利用分裂布雷格曼迭代原理确定基层信息和纹理层信息；

分别对所述基层信息和所述纹理层信息进行对比度调节，得到调节后基层信息和调节后纹理层信息；

根据所述调节后基层信息和所述调节后纹理层信息确定增强后图像。

2.根据权利要求1所述的基于各向异性梯度模型的图像增强方法，其特征在于，所述L1-L0混合正则化的各向异性梯度层分解模型为：其中，s为待处理图像，b为待处理图像的基层信息，||·||L1为L1范数正则项，||·||L0为L0范数正则项， 为水平方向的梯度算子， 为竖直方向的梯度算子，λ1,λ2,λ3,λ4均为图像层分解系数， 为保真项， 为基层正则项，为纹理层正则项。

3.根据权利要求1所述的基于各向异性梯度模型的图像增强方法，其特征在于，所述分别对所述基层信息和所述纹理层信息进行对比度调节，得到调节后基层信息和调节后纹理层信息，具体包括：根据公式Bnew＝α·B确定调节后基层信息；其中，Bnew为调节后基层信息，α为基层调节参数，B为基层信息；

根据公式Dnew＝β·D确定调节后纹理层信息；其中，Dnew为调节后纹理层信息，β为纹理层调节参数，D为纹理层信息。

4.根据权利要求1所述的基于各向异性梯度模型的图像增强方法，其特征在于，所述根据所述调节后基层信息和所述调节后纹理层信息确定增强后图像，具体包括：根据公式s′＝Bnew+Dnew确定增强后图像；其中，Bnew为调节后基层信息，Dnew为调节后纹理层信息，s′为增强后图像。

5.一种基于各向异性梯度模型的图像增强系统，其特征在于，包括：待处理图像获取模块，用于获取待处理图像；

图像分解模块，用于采用L1-L0混合正则化的各向异性梯度层分解模型将所述待处理图像进行分解，得到保真项、纹理层正则项和基层正则项；其中，所述L1-L0混合正则化的各向异性梯度层分解模型中包括L1正则化的各向异性梯度基层模型和L0正则化的各向异性梯度纹理层模型；

基层信息和纹理层信息确定模块，用于根据所述保真项、所述纹理层正则项和所述基层正则项，利用分裂布雷格曼迭代原理确定基层信息和纹理层信息；

对比度调节模块，用于分别对所述基层信息和所述纹理层信息进行对比度调节，得到调节后基层信息和调节后纹理层信息；

图像增强模块，用于根据所述调节后基层信息和所述调节后纹理层信息确定增强后图像。

6.根据权利要求5所述的基于各向异性梯度模型的图像增强系统，其特征在于，所述L1-L0混合正则化的各向异性梯度层分解模型为：其中，s为待处理图像，b为待处理图像的基层信息，||·||L1为L1范数正则项，||·||L0为L0范数正则项， 为水平方向的梯度算子， 为竖直方向的梯度算子，λ1,λ2,λ3,λ4均为图像层分解系数， 为保真项， 为基层正则项，为纹理层正则项。

7.根据权利要求5所述的基于各向异性梯度模型的图像增强系统，其特征在于，所述对比度调节模块具体包括：基层对比度调节单元，用于根据公式Bnew＝α·B确定调节后基层信息；其中，Bnew为调节后基层信息，α为基层调节参数，B为基层信息；

纹理层对比度调节单元，用于根据公式Dnew＝β·D确定调节后纹理层信息；其中，Dnew为调节后纹理层信息，β为纹理层调节参数，D为纹理层信息。

8.根据权利要求5所述的基于各向异性梯度模型的图像增强系统，其特征在于，所述图像增强模块具体包括：图像增强单元，用于根据公式s′＝Bnew+Dnew确定增强后图像；其中，Bnew为调节后基层信息，Dnew为调节后纹理层信息，s′为增强后图像。