1.一种基于光照和反射互补性的低照度图像增强方法，其特征在于：所述方法包括以下步骤：S1.构建配对的数据集，所述数据集包括低光照图像和正常光照图像，其中每个低光照图像Slow对应同一场景下的正常光照图像Snorm；

S2.将低光照图像Slow进行分解，得到低光照图反射分量Rlow和低光照图光照分量Ilow；

将正常光照图像Snorm分解,得到正常光照图反射分量Rnorm和正常光照图光照分量Inorm；

S3.将低光照图像Slow分解出的低光照图反射分量Rlow和低光照图光照分量Ilow输入复原网络实现反射分量的复原；

S4.将复原后的反射分量Renhance和之前分解出的低光照图光照分量Ilow输入提亮网络，提亮网络用来提升图像的亮度并输出最终结果Senhance；

S3中，所述复原网络包括特征提取模块、残差增强模块和特征重建模块；

所述特征提取模块使用单层的卷积；

所述残差增强模块包括5个残差特征聚合块和1个混合双重注意力模块；

所述特征重建模块由卷积层构成，使用LRelu作为激活函数；

所述混合双重注意力模块包括：

利用光照分量和反射分量生成注意力图来对特征进行增强；

通过对注意力图的组合生成多组二重特征；

将多组二重特征进行融合；

S4中，所述提亮网络包括卷积层、池化层、全连接层，并在其中嵌入了光照因子；

光照因子＝低光照图光照分量Ilow/正常光照图光照分量InormS4中，所述提亮网络的损失函数如下：

Lrelight＝Lsl1+LSssim

Lsl1＝||Senhance‑Snorm||1LSssim＝1‑SSIM(Senhance，Snorm)。

2.根据权利要求1所述的一种基于光照和反射互补性的低照度图像增强方法，其特征在于：S2中，对低光照图光照分量Ilow和正常光照图光照分量Inorm的分解采用三层的U型网络进行分解，U型网络的设计包括采样层、池化层、卷积层。

3.根据权利要求1所述的一种基于光照和反射互补性的低照度图像增强方法，其特征在于：S2中，对低光照图反射分量Rlow和正常光照图反射分量Rnorm的分解包括：将输入进行下采样形成三个分辨率并行的处理；

经由卷积层提取特征后将三个分辨率分支的特征融合；

融合过程由采样和卷积操作组成。

4.根据权利要求1所述的一种基于光照和反射互补性的低照度图像增强方法，其特征在于：S2中，分解结果通过损失函数进行约束,所述损失函数由以下三部分组成：Lrec＝||Ilow*Rlow‑Slow||1+||Inorm*Rnorm‑Snorm||1

5.根据权利要求1所述的一种基于光照和反射互补性的低照度图像增强方法，其特征在于：其中，将多组二重特征进行融合，包括：利用差分增强融合模块通过减去两个特征相似部分来提取差异，并使用卷积来进一步增强不同的信息。

6.根据权利要求1所述的一种基于光照和反射互补性的低照度图像增强方法，其特征在于：S3中，反射的复原结果通过损失函数进行约束,所述损失函数由以下三部分组成：Lrestore＝Lrl2+Lrssim

Lrssim＝1‑SSIM(Renhance，Rnorm)。