1.一种基于注意力机制和Retinex的暗光图像增强方法，其特征在于，所述方法包括以下步骤：步骤1：设计一个网络主体结构为U‑Net的多尺度融合的分解网络，它由两个支路组成；

将低光照图像Slow和正常光图像Snormal分别输入到分解网络的不同支路中，得到两者的反射分量R和光照分量L；

步骤2：对步骤1得到的低光照图像的反射分量Rlow采用BM3D方法进行去噪操作，所述BM3D方法通过搜索相似块并在变换域进行滤波，得到块评估值，最后对图像中每个点进行加权得到最终去噪效果，在有效去除噪声的同时也能够保持图像边缘信息；

步骤3：改进基于注意力机制的光照调节网络，引入一种能提取空间信息的机制，改善网络结构，增强图像视觉感知质量，将暗光图像的光照分量Llow和光照调节率α作为输入，输入到加入注意力机制的光照增强网络，其中参数α被扩展为一个特征图，参与到光照调节网络的训练中；用户可通过调节参数α来灵活调整光线等级；

步骤4：将处理后的低照度图像的光照分量L′low与反射分量R′low进行点乘操作重构，得到暗光增强网络的最终增强结果S′low。

2.如权利要求1所述的基于注意力机制和Retinex的暗光图像增强方法，其特征在于，所述步骤1中，所述分解网络的一个分支主体结构为U‑Net，后面串接一个卷积层，其次是一个Sigmoid层，将输入的若干通道的特征图进行Sigmoid函数计算，作用是将输入的值转换到0‑1之间，从而符合反射图和光照图的取值范围。

3.如权利要求1所述的基于注意力机制和Retinex的暗光图像增强方法，其特征在于，所述步骤3的过程如下：

3.1光照调节网络主体结构为encoder‑decoder,引入了多尺度连接，使网络能够捕获大范围内关于光照分布的上下文信息；

3.2在光照调节网络的上采样部分加入注意力模块，将暗光图像的光照分量Llow和光照调节率α作为输入，卷积操作之后的特征图先经过通道注意模块，再经过空间注意模块，通过注意力机制模块，网络可以充分利用特征图中不同信道、不同位置的信息，使网络结构更加灵活；

3.3光照调节网络输入的一个分量为光照调节参数α，它被扩展为一个特征图，参与到光照调节网络的训练中，用户通过调节参数α来灵活调整光线等级。