1.一种基于生成对抗网络的单通道煤岩图像增强方法，其特征在于，包括以下步骤：步骤1、对相关的煤岩图像进行筛选；

步骤2、对数据集图像进行预处理操作；

步骤3、将预处理过后的数据导入CABGAN网络中进行训练：步骤4、对训练后的图像得到的暗光增强生成器固定参数，从而得到煤岩图像增强模型。

2.根据权利要求1所述基于生成对抗网络的单通道煤岩图像增强方法，其特征在于，步骤2包括以下具体过程：

2.1.将图像由RGB三通道转换到灰度图像；

2.2.将图像放缩到同样的大小尺寸以便后续处理及训练；

2.3.通过随机裁剪、60°、90°、180°旋转操作得到更多数量的数据集。

3.根据权利要求1所述基于生成对抗网络的单通道煤岩图像增强方法，其特征在于，步骤3包括以下具体过程：步骤3.1、生成器：输入图像进入U‑net结构的编码器进行特征提取，通过残差协调注意块来解决增强后的煤图像不真实的问题，同时注意力机制让生成器更好的对于需要增强的局部暗光区域学习，通过不同层的网络提取特征，深度聚合金字塔池模块引导网络融合多尺度上下文信息，最后再通过解码器的层层解码得到增强后的煤岩图像；

步骤3.2、判别器：全局判别器以整幅图像作为输入，输出整幅图像的真伪的判别结果，局部判别器通过检测从增强后图像和正常光照图像中随机裁剪局部的图像块来判别真假。

4.根据权利要求3所述基于生成对抗网络的单通道煤岩图像增强方法，其特征在于，生成器的损失函数为一组多重损失函数的加权求和，其具体公式为：为感知损失函数，其公式为：

其中 是16×16的局部区域， 是区域的平均强度值， 代表ReLU函数，设置；

为空间一致性损失， ， 为临近区域，

为计算增强后图像和原始图像临近区域的值；

为颜色一致性损失， ，

通道的值。