1.一种自适应图像增强方法，其特征在于，包括：获取待增强的原始图像并将其转换为灰度图；

采用不完全贝塔函数作为灰度变换函数对灰度图进行增强处理，得到增强后的图像；

其中，不完全贝塔函数的图像增强参数是利用改进的武术学习优化算法进行自适应寻优得到的最优图像增强参数；

改进的武术学习优化算法通过强化学习机制为图像增强参数动态选择学习策略中的学习模式进行参数更新，搜索使图像质量评价函数值最优的图像增强参数作为最优图像增强参数；

不完全贝塔函数为：

；

其中，表示灰度图的归一化的像素值， 表示灰度图经不完全贝塔函数增强处理后新的归一化的像素值，为积分变量，和 为图像增强参数的二维分量；

改进的武术学习优化算法包括：

生成若干组图像增强候选参数构成图像增强候选参数集合；

计算图像增强候选参数集合中每一组图像增强候选参数对应的图像质量评价函数值；

基于当前图像增强候选参数对应的图像质量评价函数值的提升状态，根据强化学习机制的Q值表，为当前图像增强候选参数自适应选择学习策略中Q值最高的学习模式，并根据所选择的学习模式更新图像增强候选参数；

重复迭代，直至达到迭代终止条件为止，输出使图像质量评价函数值最优的图像增强候选参数作为最优图像增强参数；

生成若干组图像增强候选参数构成图像增强候选参数集合包括：利用佳点集方法生成均匀分布的若干组图像增强候选参数，并利用随机反向学习为每组图像增强候选参数生成反向参数；

将图像增强候选参数和反向参数合并，构成图像增强候选参数集合；

其中，利用佳点集方法生成均匀分布的若干组图像增强候选参数的公式为：；

其中， 表示第 个图像增强候选参数的第 维分量的位置， 对应第1维分量 ，对应第2维分量 ， 、 分别表示 的下界、上界，为一个质数， ，表示图像增强候选参数的总维度， 表示对 进行取模运算，取 的小数部分；

利用随机反向学习为每组图像增强候选参数生成反向参数的公式为：；

其中， 表示第 个图像增强候选参数对应的反向参数的第 维分量的位置， 对应第1维分量 ， 对应第2维分量 ， 表示一个在 区间内均匀分布的随机数。

2.根据权利要求1所述的自适应图像增强方法，其特征在于，获取待增强的原始图像并将其转换为灰度图包括：将待增强的原始图像转换为灰度图，并对灰度图的像素值进行归一化处理。

3.根据权利要求1所述的自适应图像增强方法，其特征在于，图像质量评价函数值的计算公式为：；

其中， 表示图像质量评价函数值， 表示图像边缘像素强度总和， 表示图像边缘像素计数， 表示图像信息熵。

4.根据权利要求1所述的自适应图像增强方法，其特征在于，学习策略包括用于扩大搜索范围的全局搜索策略以及用于局部优化的局部搜索策略；

全局搜索策略包括：

第一学习模式：根据当前图像增强候选参数集合中所有图像增强候选参数的平均位置与历史全局最优图像增强参数的位置的差异，结合动态学习因子和莱维飞行随机步长，生成第一位置更新向量，并利用第一位置更新向量更新当前图像增强候选参数的位置；

第二学习模式：根据当前图像增强候选参数集合中使图像质量评价函数值最差的图像增强候选参数的位置，结合动态学习因子，对当前图像增强候选参数的位置进行修正；

局部搜索策略包括：

第三学习模式：根据当前图像增强候选参数的位置与历史全局最优图像增强参数的位置的相对距离，结合自适应教学因子，生成第二位置更新向量，并利用第二位置更新向量更新当前图像增强候选参数的位置；

第四学习模式：根据历史局部最优图像增强参数的位置对当前图像增强候选参数的位置进行局部扰动，并根据当前图像增强候选参数集合中使图像质量评价函数值最差的图像增强候选参数的位置，对当前图像增强候选参数的位置进行修正。

5.根据权利要求1所述的自适应图像增强方法，其特征在于，Q值的更新公式为：；

其中， 表示第 次迭代时图像增强候选参数的优化状态， 表示第 次迭代时图像增强候选参数选择的学习模式， 表示 下执行 的长期预期价值， 表示第次迭代时图像增强候选参数的优化状态， 表示 下待评估的学习模式， 表示 下执行 的长期预期价值， 表示执行 后获得的即时奖励，为学习率，为折扣因子。

6.根据权利要求1所述的自适应图像增强方法，其特征在于，改进的武术学习优化算法还包括：在重复迭代的过程中，每达到预设迭代次数，将局部最优图像增强参数更新为全局最优图像增强参数，并将当前图像增强候选参数集合中使图像质量评价函数值低于预设阈值的图像增强候选参数替换为通过算术交叉生成的新的图像增强候选参数；

其中，通过算术交叉生成的新的图像增强候选参数的公式为：；

其中，表示通过算术交叉生成的新的图像增强候选参数的位置， 、 分别表示从第 组图像增强候选参数中随机选择的第 、 个图像增强候选参数的位置。

7.根据权利要求1所述的自适应图像增强方法，其特征在于，改进的武术学习优化算法还包括：在重复迭代的过程中，对局部最优图像增强参数进行反向学习，生成局部最优图像增强参数的反向解，并将局部最优图像增强参数的反向解与全局最优图像增强参数进行比较，保留使图像质量评价函数值更优的图像增强参数；

其中，反向学习的公式为：

；

其中， 表示局部最优图像增强参数的反向解， 表示第 组图像增强候选参数中第个图像增强候选参数的第 维分量的位置， 对应第1维分量 ， 对应第2维分量，表示图像增强候选参数的总维度， 表示第 组图像增强候选参数中的局部最优图像增强参数的位置。