1.一种逆光图像自动检测方法，其特征在于，具体按照以下步骤实施：步骤1、采集低照度图像、正常光照图像、逆光图像这三种类型的图像，并对这些类型的图像分别赋予类别标签0、1、2，按照7：3的比例，随机形成训练集图像和测试集图像；

步骤2、提取训练集图像降维后的分布特征、信息熵差异特征、空间区域特征；

步骤3、将降维后的分布特征、信息熵差异特征、空间区域特征融合，设计并训练SVM模型，用测试集中的图像对SVM模型进行验证；

步骤4、对待检测图像，按照步骤2提取该图像降维后的分布特征、信息熵差异特征、空间区域特征并进行融合，用输入训练好的SVM模型判断其是否为逆光图像。

2.根据权利要求1所述一种逆光图像自动检测方法，其特征在于，步骤2具体过程为：步骤2.1、提取训练集图像亮度分布直方图特征并进行归一化处理，进一步采用线性判别分析法LDA将亮度分布直方图特征进行降维，形成降维后的分布特征；

步骤2.2、采用伽马校正，提取训练集图像伽马校正前后的信息熵差异特征；

步骤2.3、将训练集图像划分为5个区域，提取各区域的亮度均值和方差，计算空间区域特征。

3.根据权利要求2所述一种逆光图像自动检测方法，其特征在于，步骤2.1具体过程为：步骤2.1.1、设训练集中的图像为f(x,y)，其大小为w×h，亮度分布直方图为：his＝[h0,h1，…，h255]，其中步骤2.1.2、对亮度分布直方图采用最大-最小归一化方法进行归一化处理；

步骤2.1.3、采用LDA降维方法，对归一化后的亮度分布直方图特征降至2维，设降维后的亮度分布直方图特征为：

4.根据权利要求2所述一种逆光图像自动检测方法，其特征在于，步骤2.2具体过程为：步骤2.2.1、设训练集中的图像为f(x,y)，分别选取γ＝0.3、γ＝1.5进行增强，设增强后图像为g1(x,y)和g2(x,y)；

步骤2.2.2、计算增强前后的图像的信息熵Ef、 其中信息熵的计算公式为步骤2.2.3、计算增强前后的图像的信息熵差异特征D＝[ΔD1,ΔD2]，其中

5.根据权利要求2所述一种逆光图像自动检测方法，其特征在于，步骤2.3具体过程为：步骤2.3.1、对训练集中的图像划分为5个区域，记为Ri(i＝1,2,3,4,5)；

步骤2.3.2、求取每个区域的平均亮度值mi(i＝1,2,3,4,5)，其中 Ni为区域Ri中的像素数；

步骤2.3.3、求取每个区域的亮度方差vi(i＝1,2,3,4,5)，其中步骤2.3.4、求取空间区域特征

6.根据权利要求1所述一种逆光图像自动检测方法，其特征在于，所述对训练集中的图像划分为5个区域具体过程为：区域R1为从图像起始行开始到 行的区域，区域R2为从行到 行、从起始列到 列组成的区域，区域R3为从 行到 行、从 列到 列组成的区域，区域R4为从 行到 行、从 列到最后一列组成的区域，区域R5为从图像行到最后一行组成的区域。

7.根据权利要求1所述一种逆光图像自动检测方法，其特征在于，步骤3具体过程为：步骤3.1、融合降维后的分布特征、信息熵差异特征、空间区域特征融合为：步骤3.2、采用径向基核函数，使用训练集中的图像及类别标签训练SVM分类器，用测试集图像验证分类器的检测性能。