1.一种基于自适应前背景分割的水下图像增强方法，其特征在于，包括：获取水下原始图像，对水下原始图像进行暗通道先验去雾获得水下去雾图像和大气光；

对水下去雾图像进行自适应分割获得超像素区域，根据大气光计算前景评分，根据前景评分对超像素区域进行划分获得水下前景图像和水下背景图像；

采用AMSRCR算法对水下前景图像和水下背景图像进行颜色恢复获得前景颜色校正图像和背景颜色校正图像；对背景颜色校正图像进行伽马校正获得背景增强图像；

采用AMSRCR算法对水下去雾图像进行颜色校正获得原始校正图像，将前景颜色校正图像和背景增强图像拼接获得水下融合图像；对原始校正图像和水下融合图像进行灰度化处理，计算像素亮度差异获得软掩模；

根据软掩模对前景颜色校正图像和背景增强图像进行加权融合获得输出图像。

2.根据权利要求1所述的水下图像增强方法，其特征在于，对水下原始图像进行暗通道先验去雾获得大气光，具体包括：将水下原始图像输入至RGB颜色通道，取每个像素点在RGB颜色通道中最小值获得暗通道图像，表达公式为：；

公式中， 为水下原始图像的暗通道图像； 为像素点坐标； 为区域窗口内像素点在RGB颜色通道的像素值； 为以像素点(x，y)为中心的区域窗口； 为区域窗口内像素点；c为选定的像素通道；r、g和b分别表示RGB颜色通道；

根据暗通道图像中最亮像素值及对应的像素位置生成大气光 。

3.根据权利要求2所述的水下图像增强方法，其特征在于，对水下原始图像进行暗通道先验去雾获得水下去雾图像，具体包括：；

；

公式中， 为水下原始图像； 为水下去雾图像； 为场景的头透射率，表示介质中光的吸收和反射； 为像素点坐标； 为水下吸收系数和散射系数之和，为目标物体到成像点的直线距离； 为大气光。

4.根据权利要求1所述的水下图像增强方法，其特征在于，对水下去雾图像进行自适应分割获得超像素区域，具体包括：将水下去雾图像映射至CIELAB 颜色空间，构建各像素点的联合特征向量，表达公式为：；

公式中， 为第i个像素点的联合特征向量，、 和 分别为第i个像素点在CIELAB 颜色空间中L颜色通道像素值、a颜色通道像素值和b颜色通道像素值； 为第 个像素点的坐标；

通过联合特征向量计算相邻两像素点的颜色差异和空间距离，表达公式为：；

；

公式中， 、 和 分别为第 个像素点在CIELAB 颜色空间中L颜色通道像素值；

为第 个像素点的坐标； 为第 个像素点和第个像素点的颜色差异， 为第个像素点和第个像素点空间距离；

根据相邻两像素点的颜色差异和空间距离计算关联距离，表达公式为：；

；

公式中，N为水下去雾图像的尺寸，K为水下去雾图像中设定期望超像素数量，H为区域划分的初始间距；D为相邻两像素点的关联距离，m为紧致度系数；

利用关联距离对水下去雾图像进行SLIC自适应分割获得超像素区域。

5.根据权利要求4所述的水下图像增强方法，其特征在于，根据大气光计算前景评分，根据前景评分对超像素区域进行划分获得水下前景图像和水下背景图像，具体包括：对各个超像素区域提取亮度特征和清晰度特征，表达公式为：；

；

公式中， 为第n个超像素区域的亮度特征， 为水下去雾图像中第n个超像素区域，为第n个超像素区域内像素点数量， 为 坐标处像素点的亮度值； 表示第n个超像素区域的清晰度特征， 为水下去雾图像中 坐标处像素点的灰度图， 表示拉普拉斯算子， 为方差运算；

将超像素区域的亮度特征和清晰度特征进行归一化处理获得亮度标准化特征和清晰度标准化特征，表达公式为：；

；

公式中， 为超像素区域的亮度标准化特征； 为超像素区域内最小亮度特征，为超像素区域内最大亮度特征； 为超像素区域的清晰度标准化特征； 为超像素区域内最小清晰度特征； 为超像素区域内最大清晰度特征； 和 为设定的极小值；

对亮度标准化特征进行截尾平均获得亮度均值 ，根据大气光 在RGB颜色通道的像素值计算获得大气光均值 ；由大气光均值 和亮度均值 计算获得融合权重 ；

利用融合权重 对亮度标准化特征和清晰度标准化特征进行融合构成前景评分，表达公式为：；

公式中， 为第n个超像素区域的前景评分；

根据前景评分对超像素区域进行划分获得水下前景图像和水下背景图像。

6.根据权利要求5所述的水下图像增强方法，其特征在于，由大气光均值 和亮度均值 计算获得融合权重 ，具体包括：将亮度均值 进行归一化获得亮度归一化均值 ，表达公式为：；

由亮度均值 和大气光均值 计算亮度比例特征 ，表达公式为：；

公式中， 为亮度比例特征， 为设定的极小值；

根据亮度归一化均值 和亮度比例特征 计算获得融合权重 ，表达公式为：；

公式中， 为设定的平衡参数。

7.根据权利要求1所述的水下图像增强方法，其特征在于，采用AMSRCR 算法对水下前景图像和水下背景图像进行颜色恢复获得前景颜色校正图像和背景颜色校正图像，具体包括：采用AMSRCR 算法对水下前景图像和水下背景图像进行颜色恢复获得前景颜色恢复图像和背景颜色恢复图像，表达公式为：；

公式中， 为前背景的识别标识，当 时， 为前景颜色恢复图像；

为水下前景图像，当 时， 为背景颜色恢复图像； 为水下背景图像； 为标准差， ， 为高斯核标准差集合；

表示以标准差 的高斯核； 为高斯核的模糊尺度，h为高斯核的标准差序号；c为选定的像素通道； ，r、g和b分别表示RGB颜色通道；

对前景颜色恢复图像和背景颜色恢复图像进行裁剪和归一化处理获得前景颜色校正图像和背景颜色校正图像，表达公式为：；

；

；

公式中， 为裁剪下限阈值， 为裁剪上限阈值； 为对前景颜色恢复图像和背景颜色恢复图像进行裁剪后的图像， 为前景裁剪图像，为背景裁剪图像； 和 为前景裁剪图像中最小像素值和最大像素值； 和 为背景裁剪图像中最小像素值和最大像素值； 为前景颜色校正图像， 为背景颜色校正图像。

8.根据权利要求1所述的水下图像增强方法，其特征在于，根据软掩模对前景颜色校正图像和背景增强图像进行加权融合获得输出图像，具体包括：；

其中， 表示输出图像， 表示前景颜色校正图像， 表示背景增强图像，M为软掩模的权重矩阵， 表示元素级乘积。

9.一种基于自适应前背景分割的水下图像增强系统，其特征在于，包括：获取模块，用于获取水下原始图像，对水下原始图像进行暗通道先验去雾获得水下去雾图像和大气光；

图像划分模块，用于对水下去雾图像进行自适应分割获得超像素区域，根据大气光计算前景评分，根据前景评分对超像素区域进行划分获得水下前景图像和水下背景图像；

校正模块，用于采用AMSRCR 算法对水下前景图像和水下背景图像进行颜色恢复获得前景颜色校正图像和背景颜色校正图像；对背景颜色校正图像进行伽马校正获得背景增强图像；

掩模生成模块，用于采用AMSRCR 算法对水下去雾图像进行颜色校正获得原始校正图像，将前景颜色校正图像和背景增强图像拼接获得水下融合图像；对原始校正图像和水下融合图像进行灰度化处理，计算像素亮度差异获得软掩模；

输出模块，用于根据软掩模对前景颜色校正图像和背景增强图像进行加权融合获得输出图像。

10.一种电子终端，其特征在于，包括处理器及存储介质；所述存储介质用于存储指令；

所述处理器用于根据所述指令进行操作以执行权利要求1至8任一项所述水下图像增强方法的步骤。