1.一种基于PSO寻优的引导滤波-Retinex低照度图像增强方法，其特征在于，包括以下步骤：步骤一、将原图像从RGB空间转换到HSV空间，保持色调分量H和饱和度分量S不变；

步骤二、对亮度分量V进行一层小波分解，得到高频HL1、LH1、HH1三个子图像和低频LL1子图像；

步骤三、对低频LL1子图像进行二层小波分解，得到高频HL2、LH2、HH2三个子图像和低频LL2子图像；

步骤四、对高频HL2、LH2、HH2三个子图像分别进行线性增强，得到增强后的高频子图像；

步骤五、将增强后的高频子图像与低频LL2子图像进行小波重构，得到处理后的一次近似图像LL1'；

步骤六、采用自适应中值滤波对高频HL1、LH1、HH1三个子图像进行增强；

步骤七、采用基于PSO寻优的引导滤波-Retinex对一次近似图像LL1'进行增强；

步骤八、将步骤六得到的增强图像与步骤七得到的增强图像进行小波重构，得到增强后的亮度分量V图像；

步骤九、将增强后的亮度分量V图像与色调分量H、饱和度分量S合成，再将合成图像从HSV空间转换到RGB空间，并进行伽马校正，得到最终增强后的图像。

2.按照权利要求1所述的一种基于PSO寻优的引导滤波-Retinex低照度图像增强方法，其特征在于：步骤二中所述一层小波分解和步骤三中所述二层小波分解均采用db4小波进行图像分解。

3.按照权利要求1所述的一种基于PSO寻优的引导滤波-Retinex低照度图像增强方法，其特征在于：步骤四中所述小波重构和步骤八中所述小波重构均采用db4小波进行图像重构。

4.按照权利要求1所述的一种基于PSO寻优的引导滤波-Retinex低照度图像增强方法，其特征在于：步骤七中所述基于PSO寻优的引导滤波-Retinex的具体步骤包括：步骤701、读入小波一次重构图像后，首先初始化粒子群，组建初始粒子种群N＝50，设定粒子群的学习因子c1＝c2＝2，惯性权重ω＝0.8，最大迭代次数100次，初始速度V，设置引导滤波核半径r的搜索范围为[2,30]，正则化因子ε的搜索范围为[0.01,1]；

步骤702、初始化r和ε的初值，对图像进行引导滤波-Retinex增强，并采用适应度函数对增强后图像质量进行评价，计算适应度值；

步骤703、根据适应度函数计算每个粒子的适应度值，针对粒子种群中的每个粒子进行评价，将其当前适应度值与其个体历史最优位置Pbest对应的适应度值作比较，当当前适应度值优于个体历史最优位置Pbest对应的适应度值时，用当前位置更新个体历史最优位置Pbest；

步骤704、对每个粒子，将当前适应度值与全局最佳位置Gbest对应的适应度值作比较，当当前适应度值优于全局最佳位置Gbest对应的适应度值时，用当前粒子位置更新全局最佳位置Gbest；

步骤705、更新每个粒子的速度与位置；

步骤706、当迭代次数达到所要求的最大迭代次数时，执行步骤707；当迭代次数没有达到所要求的最大迭代次数时，返回步骤702；

步骤707、输出相应的最优参数值r和ε给引导滤波-Retinex，对图像进行增强。

5.按照权利要求4所述的一种基于PSO寻优的引导滤波-Retinex低照度图像增强方法，其特征在于：步骤702和步骤703中所述适应度函数Fitness为Fitness＝Contrast×Entropy

其中，Contrast为图像对比度，Entropy为图像信息熵。

6.按照权利要求1所述的一种基于PSO寻优的引导滤波-Retinex低照度图像增强方法，γ其特征在于：步骤九中所述伽马校正公式为Vout＝A*Vin ，其中，Vin为输入图像，Vout为输出图像，A为常数，γ为控制图像亮度增强程度的唯一参数。