1.一种基于大数据的计算机图像分析方法，其特征在于：包括第一采集模块(1)、第二采集模块(2)、数据处理模块(3)、第一计算模块(4)、第二计算模块(5)、第一分析模块(6)、第二分析模块(7)以及执行模块(8)，具体步骤如下：S1、通过第一采集模块(1)，对当前图像的主信息进行采集，主信息包括噪声强度、对比度范围、边缘清晰度、图像分辨率、采样率、缩放比率、纹理复杂度、光照均匀性以及动态范围，并从云平台调取相关对应数据，整合形成第一多源数据集；同时，第二采集模块(2)采集图像的子信息，子信息包括噪声方差、高斯噪声比重、信噪比、像素间距、采样深度、插值误差、高频分量强度、边缘像素比例以及局部光照偏差构，并整合为第二多源数据集；

S2、通过数据处理模块(3)，对第一多源数据集和第二多源数据集进行预处理和无量纲化，确保数据标准化并便于后续计算，预处理后的数据被进一步分类，生成第一数据集、第二数据集、第三数据集、第四数据集、第五数据集和第六数据集；

第一数据集包括噪声强度、对比度范围以及边缘清晰度；

第二数据集包括图像分辨率、采样率以及缩放比率；

第三数据集包括纹理复杂度、光照均匀性以及动态范围；

第四数据集包括噪声方差J、高斯噪声比重K以及信噪比L；

第五数据集包括像素间距M、采样深度N以及插值误差O；

第六数据集包括高频分量强度P、边缘像素比例Q以及局部光照偏差S；

S3、通过第一计算模块(4)，对第一数据集、第二数据集和第三数据集进行整合计算，生成清晰度辨识系数QXD；

S4、通过第一分析模块(6)，将生成的清晰度辨识系数QXD与预设的第一阈值Y进行对比，生成第一对比结果，如果QXD小于Y，表示当前图像需要增强，进入下一步；如果QXD大于或等于Y，表示当前图像不需要增强，方法结束；

S5、若需要增强，第二计算模块(5)将通过整合第四数据集、第五数据集和第六数据集进行计算，生成增强量级系数ZQL；

S6、通过第二分析模块(7)，将增强量级系数ZQL与预设的第二阈值R进行对比，生成第二对比结果，判定了相应的图像增强等级，最后，通过执行模块(8)应用相应的增强策略，完成图像优化。

2.根据权利要求1所述的一种基于大数据的计算机图像分析方法，其特征在于：所述第一采集模块(1)包括图像质量主信息采集单元(11)、图像技术信息主采集单元(12)以及图像内容特性主采集单元(13)；

所述图像质量主信息采集单元(11)用于采集噪声强度、对比度范围以及边缘清晰度；

所述图像技术信息主采集单元(12)用于采集图像分辨率、采样率以及缩放比率；

所述图像内容特性主采集单元(13)用于采集纹理复杂度、光照均匀性以及动态范围；

所述噪声强度、对比度范围、边缘清晰度、图像分辨率、采样率、缩放比率、纹理复杂度、光照均匀性以及动态范围构成第一多源数据集。

3.根据权利要求2所述的一种基于大数据的计算机图像分析方法，其特征在于：所述第二采集模块(2)包括图像质量子信息采集单元(21)、图像技术信息子采集单元(22)以及图像内容特性子采集单元(23)；

所述图像质量子信息采集单元(21)用于采集噪声方差、高斯噪声比重以及信噪比；

所述图像技术信息子采集单元(22)用于采集像素间距、采样深度以及插值误差；

所述图像内容特性子采集单元(23)用于采集高频分量强度、边缘像素比例以及局部光照偏差；

所述噪声方差、高斯噪声比重、信噪比、像素间距、采样深度、插值误差、高频分量强度、边缘像素比例以及局部光照偏差构成第二多源数据集。

4.根据权利要求3所述的一种基于大数据的计算机图像分析方法，其特征在于：所述数据处理模块(3)用于对第一多源数据集和第二多源数据集进行预处理和无量纲化，并将处理完毕的后的第一多源数据集和第二多源数据集分为第一数据集、第二数据集、第三数据集、第四数据集、第五数据集以及第六数据集；

第一数据集包括噪声强度、对比度范围以及边缘清晰度；

噪声强度分为实际图片噪声强度A1和需求噪声强度A2；

对比度范围分为实际对比度范围B1和需求对比度范围B2；

边缘清晰度分为实际边缘清晰度C1和需求边缘清晰度C2；

第二数据集包括图像分辨率、采样率以及缩放比率；

图像分辨率分为实际图像分辨率D1和需求图像分辨率D2；

采样率分为实际采样率E1和需求采样率E2；

缩放比率分为实际缩放比率F1和需求缩放比率F2；

第三数据集包括纹理复杂度、光照均匀性以及动态范围；

纹理复杂度分为实际纹理复杂度G1和需求纹理复杂度G2；

光照均匀性分为实际光照均匀性H1和需求光照均匀性H2；

动态范围构分为实际动态范围构分I1和需求动态范围构分I2；

第四数据集包括噪声方差J、高斯噪声比重K以及信噪比L；

第五数据集包括像素间距M、采样深度N以及插值误差O；

第六数据集包括高频分量强度P、边缘像素比例Q以及局部光照偏差S。

5.根据权利要求4所述的一种基于大数据的计算机图像分析方法，其特征在于：所述第一计算模块(4)通过下述公式计算获取清晰度辨识系数QXD：QXD＝a1×Z1+a2×Z2+a3×Z3；

式中：Z1为第一主参考系数，通过整合第一数据集计算获取，Z2为第二主参考系数，通过整合第二数据集计算获取，Z3为第三主参考系数，通过整合第三数据集计算获取，a1、a2以及a3为权重值，且a1、a2和a3的值由用户调整设置。

6.根据权利要求5所述的一种基于大数据的计算机图像分析方法，其特征在于：所述第一计算模块(4)分别通过下述公式计算获取第一主参考系数Z1、第二主参考系数Z2以及第三主参考系数Z3：式中：A1、B1、C1、D1、E1、F1、G1、H1以及I1分别为实际噪声强度、实际对比度范围、实际边缘清晰度、实际图像分辨率、实际采样率、实际缩放比率、实际纹理复杂度、实际光照均匀性以及实际动态范围；

A2、B2、C2、D2、E2、F2、G2、H2以及I2分别为需求噪声强度、需求对比度范围、需求边缘清晰度、需求图像分辨率、需求采样率、需求缩放比率、需求纹理复杂度、需求光照均匀性以及需求动态范围；

c1、c2、c3为权重值，且c1、c2以及c3的值由用户调整设置。

7.根据权利要求6所述的一种基于大数据的计算机图像分析方法，其特征在于：所述第二计算模块(5)通过下述公式计算获取增强量级系数ZQL：ZQL＝b1×F1+b2×F2+b3×F3；

式中：F1为第一子参考系数，通过整合第四数据集计算获取，F2为第二子参考系数，通过整合第五数据集计算获取，F3为第三子参考系数，通过整合第六数据集计算获取，b1、b2以及b3为权重值，且b1、b2和b3的值由用户调整设置。

8.根据权利要求7所述的一种基于大数据的计算机图像分析方法，其特征在于：所述第二计算模块(5)分别通过下述公式计算获取第一子参考系数F1、第二子参考系数F2以及第三子参考系数F3：式中：L为信噪比，J为噪声方差，K为高斯噪声比重，M为像素间距，N为采样深度，O为插值误差，P为高频分量强度，Q为边缘像素比例，S为局部光照偏差。

9.根据权利要求8所述的一种基于大数据的计算机图像分析方法，其特征在于：所述第一分析模块(6)生成的第一对比结果如下：当QXD

10.根据权利要求9所述的一种基于大数据的计算机图像分析方法，其特征在于：所述第二分析模块(7)生成的第二对比结果具体如下：当R×95％

当R×85％

当ZQL≤R×85％，代表当前图片需要进行三级增强，对当前图片采用盲曲卷积算法估计模糊核并进行复原，全局应用Gamma校正增强亮度和对比度，使用非局部均值去噪，显著降低噪声干扰。