1.一种基于高频低频自适应融合的图像增强方法，其特征在于，包括：获取水下环境中的原始图像；将原始图像分别进行 三个颜色通道的对比度增强获得中间特征图；计算中间特征图分别在 三个颜色通道下的像素均值，记为像素均值；根据像素均值 对中间特征图进行颜色补偿获得色彩重构图像；

将色彩重构图像分解为高频图像特征和低频图像特征；

对高频图像特征进行归一化处理和伽马矫正获得高频校正图像；对高频校正图像进行锐化处理获得高频恢复图像；

将低频图像特征划分为若干个子区域；通过计算各子区域在 三个颜色通道的像素均值 与标准差 ，根据像素均值 与标准差 确定大气光值；将低频图像特征输入RGB三个颜色通道获得最暗通道图像 和最亮通道图像 ；基于最暗通道图像 和最亮通道图像 计算获得图像传输率，根据图像传输率和大气光值对低频图像特征进行图像恢复获得低频恢复图像；

将高频恢复图像和低频恢复图像进行自适应融合获得输出图像。

2.根据权利要求1所述的图像增强方法，其特征在于，将原始图像分别进行 三个颜色通道的对比度增强获得中间特征图，具体过程包括：将原始图像依次进行 三个颜色通道的对比度增强获得增强像素值，表达公式为：；

；

公式中，为图像处理中选定局部图像块的半径； 为局部图像块的像素均值， 和 为原始图像在 三个颜色通道下的像素值；

为当前处理的像素点，和 为图像处理的步长；表示颜色通道； 为红色图像处理通道；

为绿色图像处理通道； 为蓝色图像处理通道； 为原始图像在 三个颜色通道下的增强像素值；

对原始图像在 三个颜色通道下的增强像素值进行像素融合获得中间特征图。

3.根据权利要求2所述的图像增强方法，其特征在于，计算中间特征图分别在 三个颜色通道下的像素均值，具体过程包括：；

公式中，当c为 ， 为中间特征图在红色图像处理通道下的像素均值；当c为 ， 为中间特征图在绿色图像处理通道下的像素均值，当c为 ， 为中间特征图在蓝色图像处理通道下的像素均值， 为中间特征图； 为像素坐标；M和N为中间特征图中像素点的列数和行数。

4.根据权利要求3所述的图像增强方法，其特征在于，根据像素均值 对中间特征图进行颜色补偿获得色彩重构图像，具体过程为：对像素均值 、像素均值 和像素均值 进行排序获得排列数组，排列数组包括最小值 、中间值 和最大值 ，表达公式为：；

公式中，S为排列数组， 为排序函数；

根据最小值 、中间值 和最大值 对中间特征图进行最小通道颜色补偿和次小通道颜色补偿获得第一重构图和第二重构图，表达公式为：；

；

公式中， 为中间特征图进行最小通道颜色补偿后的第一重构图； 为中间特征图进行次小通道颜色补偿后的第二重构图； 为中间特征图在最小值 对应颜色通达下的图像特征； 为中间特征图在中间值 对应颜色通达下的图像特征； 为中间特征图在最大值 对应颜色通达下的图像特征；

将第一重构图和第二重构图融合获得色彩重构图像。

5.根据权利要求1所述的图像增强方法，其特征在于，将色彩重构图像分解为高频图像特征和低频图像特征，具体包括：；

；

；

公式中，为分解权重， 为色彩重构图像在 三个颜色通道下的最大像素值， 为色彩重构图像； 为色彩重构图像在 三个颜色通道输出的低频特征； 为色彩重构图像在 三个颜色通道输出的高频特征；为红色图像处理通道；

为绿色图像处理通道；为蓝色图像处理通道；表示颜色通道；

将色彩重构图像在 三个颜色通道输出的低频特征进行融合获得低频图像特征；将色彩重构图像在 三个颜色通道输出的高频特征进行融合获得高频图像特征。

6.根据权利要求1所述的图像增强方法，其特征在于，对高频图像特征进行归一化处理和伽马矫正获得高频校正图像，具体包括：将高频图像特征中的噪声进行截断处理获得高频去噪图像，表达公式为：；

；

；

公式中， 和 为高频图像特征的像素截断系数， 为像素截断的最小位置；

为像素截断的最大位置； 为噪声截断的下限像素值； 为噪声截断的上限像素值； 为高频图像特征； 为高频去噪图像特征； 为像素分类函数；

为高频图像特征中的总像素数；

对高频去噪图像特征进行归一化处理和伽马矫正获得高频校正图像，表达公式为：；

公式中， 为高频去噪图像中最小像素值； 为高频去噪图像中最大像素值；

num是缩放因子； 为伽马矫正系数； 为高频校正图像中的像素值； 为高频去噪图像中的像素值。

7.根据权利要求1所述的图像增强方法，其特征在于，对高频校正图像进行锐化处理获得高频恢复图像，具体过程包括：；

；

；

；

公式中， 为对高频校正图像进行高斯平滑处理后的图像；为高频校正图像中像素值的标准差，为圆周率； 为高频校正图像中每个像素点的拉普拉斯值； 为像素坐标；为偏微分计算符号； 为高频恢复图像； 为对图像 进行拉普拉斯滤波后的图像； 为高频校正图像；为设定权重。

8.根据权利要求7所述的图像增强方法，其特征在于，根据像素均值 与标准差 确定大气光值，具体过程为：；

；

；

；

公式中， 为 三个颜色通道的设定权重值； 为亮度特征； 为最大化函数； 为对像素均值 进行加权求和的总值； 为对标准差 进行加权求和的总值； 为大气光值。

9.根据权利要求8所述的图像增强方法，其特征在于，基于最暗通道图像 和最亮通道图像 计算获得图像传输率，根据图像传输率和大气光值对低频图像特征进行图像恢复获得低频恢复图像；具体包括：分别计算最暗通道图像 和最亮通道图像 的场景深度，计算公式为：；

；

公式中， 为最暗通道图像 的场景深度； 为最亮通道图像 的场景深度；

根据最暗通道图像 和最亮通道图像 的场景深度计算获得融合场景深度，表达公式为：；

；

公式中， 为融合场景深度； 为动态融合权重； 为大气光照强度的预估均值；

为设定权重；

根据融合场景深度计算获得图像传输率，根据图像传输率和大气光值对低频图像特征进行图像恢复获得低频恢复图像，表达公式为：；

公式中， 为低频恢复图像； 为大气光值； 为低频图像特征，为图像传输率。

10.根据权利要求9所述的图像增强方法，其特征在于，将高频恢复图像和低频恢复图像进行自适应融合获得输出图像，具体过程包括：由高频恢复图像和低频恢复图像中提取梯度信息、对比度差异以及归一化亮度，并计算高频恢复图像和低频恢复图像的融合权重，表达公式为：；

；

公式中， 为高频恢复图像的梯度信息； 为高频恢复图像的对比度差异； 为高频恢复图像的归一化亮度； 为高频恢复图像的融合权重； 为低频恢复图像的梯度信息；

为低频恢复图像的对比度差异； 为低频恢复图像的归一化亮度； 为低频恢复图像的融合权重；、和 为设定权重；

根据融合权重 和融合权重 将高频恢复图像和低频恢复图像进行自适应融合获得输出图像，表达公式为：；

公式中， 为低频恢复图像； 为高频恢复图像； 为输出图像。