1.一种基于NSCT和PCNN的数字图像增强方法，其特征在于，该方法包括：S101，将所述数字图像进行非抽样轮廓波变换(NSCT)，得到图像低频系数和图像高频系数；

S102，将所述图像高频系数输入脉冲耦合神经网络(PCNN)，得到对应的点火映射图；

S103，根据点火映射图，对所述图像高频系数进行增强；

S104，将所述图像低频系数和所述增强图像高频系数进行非抽样轮廓波反变换，得到增强的图像。

2.根据权利要求1所述的数字图像增强方法，其特征在于，在步骤S101中，S201，将所述数字图像进行三级非抽样轮廓波变换(NSCT)，得到第一层高频系数、第二层高频系数、第三层高频系数和低频系数；

S202，将所述第一层高频系数、第二层高频系数、第三层高频系数都分成八个方向，得到多分辨率分析的图像低频系数和图像高频系数。

3.根据权利要求2所述的数字图像增强方法，其特征在于，在步骤S102中，将所述第一层高频系数、第二层高频系数和第三层高频系数分别通过脉冲耦合神经网络公式得到一一对应的点火映射图；

所述脉冲耦合神经网络公式为：

Li,j[n]＝ΣWi,j·Yi,j[n-1]；

Ui,j[n]＝Fi,j[n]·(1+β·Li,j[n])；

θi,j[n]＝exp(-αE)·θi,j[n-1]+Vθ·Yi,j[n-1]；

其中， 为NSCT分解的第l层、第k个方向的(i，j)位置的高频系数，Li,j为NSCT分解的(i，j)位置的低频系数。

4.根据权利要求3所述的数字图像增强方法，其特征在于，在步骤S103中，根据所述点火映射图，通过点火次数公式和预设循环次数分别得到所述第一层高频系数、第二层高频系数和第三层高频系数的点火次数；

所述点火次数公式为：

其中， 为与 相对应的输入PCNN得到的点火次数。

5.根据权利要求2所述的数字图像增强方法，其特征在于，在步骤S103中，通过自适应增强函数公式，对所述第一层高频系数、第二层高频系数和第三层高频系数进行增强；

所述自适应增强函数公式为：

为与 对应的增强后的系数，E和m是常数； 为与 相对应的输入PCNN得到的点火次数。

6.根据权利要求4所述的数字图像增强方法，其特征在于，在步骤S103中，所述预设循环次数为300。