1.基于自适应直方图与G‑MSRCR的水下图像增强的方法，其特征在于，该方法包括以下步骤完成水下真实图像增强：S1：白平衡调整：对水下图像进行白平衡调整，以减少色偏，并改善图像的整体色温；

S1‑1：识别图像中的白色补丁，设白色补丁在红色R、绿色G、蓝色B三个通道中的一个或多个相机传感器中产生最大响应；

S1‑2：调整图像的RGB值，其计算公式为：

Li＝li/imax   (1)

其中，L表示新像素值，l表示每个像素的强度，i表示R、G、B三个通道，imax表示单个通道的最大像素值；

S1‑3：通过S1‑1和S1‑2，对图像进行白平衡处理，以消除由照明条件变化引起的色偏，确保图像中的白色物体保持其原有的白色，从而在图像中达到更自然的色彩视觉效果；

S2：分段自适应直方图均衡化SAHE：采用自适应直方图均衡的分段功能，进一步平衡图像颜色，提高视觉效果；

S2‑1：对图像中的每个通道R、G、B的像素值进行归一化处理，使其缩放至[0，1]的区间内；

S2‑2：使用分段函数对归一化后的像素值进行调整，其中该分段函数的值域为[0，1]，且各个分段的值域不交叉，分段函数计算公式为：c

其中H表示修改前通道像素值， 表示修改后通道像素值， 表示修改前通道像素平均值；

S2‑3：设定一个阈值参数ε为0.08，以获得最佳的图像处理效果；

S3：改进的多尺度视网膜色彩恢复MSRCR：在MSRCR的基础上增加伽马校正进行对比度增强得到G‑MSRCR，应用该G‑MSRCR均衡图像色彩和突出光影细节；

S3‑1：使用MSRCR算法处理图像，该算法基于多尺度Retinex理论来模拟图像的分解和重构过程，并进行颜色恢复，以获得自然的图像增强效果；

S3‑2：在MSRCR算法中，采用多个尺度的高斯滤波处理，其中每个尺度的高斯滤波后的结果将用于获取高频细节图像，其计算公式为：其中， 为多尺度滤波后获取的高频细节图像，Gn(x，y)为单个尺度高斯滤波，n为某个尺度参数，λn为权值，ns为用到的尺度数， 为第i个通道结合了色彩恢复因子的多尺度滤波后的高频细节图像；参数α，β分别为非线性强度控制因子和增益常数；

S3‑3：设定MSRCR算法的特定参数，包括每个尺度的权值λn为1/3，所使用的尺度数ns为3个尺度，以及针对每个颜色通道的色彩恢复因子；

S3‑4：同时，设置非线性强度控制因子和增益常数，以优化图像的亮度、对比度和颜色平衡；

S4：基于新权重的自适应伽马校正：使用新的自适应伽马校正方法调整图像对比度，确保最终图像具有平衡的颜色、清晰的明暗对比；

S4‑1：应用基于新权重的自适应伽马校正技术对图像的亮度和对比度进行调整，使用非线性变换函数，以调整每个像素的强度，其计算公式为：γ

T(1)＝lmax(l/lmax)    (4)

其中，l表示每个像素的强度，lmax是输入的最大像素强度，T表示处理后的像素强度；

S4‑2：引入概率密度函数PDF作为自适应参数，以便更细致地调整图像对比度，其中PDF计算公式为；

其中，nl为强度为l的像素数，MN分别是图像的行数和列数；

S4‑3：结合使用TGC和PDF，即为混合HM的方法，以实现图像直方图的更流畅转换，提高图像的对比度和细节清晰度，其混合HM计算公式为：γ 0.5sin(π(cdf(l)+0.5))+0.5T(l)＝lmax(l/lmax) ＝lmax(l/lmax)     (7)经过TGC和PDF处理的图像显示出改善的对比度和更加清晰的细节，适用于提升低照度水下图像的能见度。

2.根据权利要求1所述的基于自适应直方图与G‑MSRCR的水下图像增强的方法，其特征在于，所述S3中的G‑MSRCR，具体包含以下步骤：T1：经过SAHE处理的图像接受MSRCR算法的处理，以进一步增强图像的色彩和对比度；

T2：针对MSRCR处理后的图像出现的整体亮度偏低和暗部偏多的问题，引入简单的伽马校正进行对比度增强；

T3：在G‑MSRCR处理中，设置伽马值为0.5，以确保处理后的图像在亮度、对比度和色彩平衡方面达到最佳效果。