1.一种基于卷积神经网络图像对CRM增强的低光图像增强方法，其特征在于，包括：步骤(1)：首先将图片加载进分解网络，得到光照分量和反射分量；

步骤(2)：将分解好的光照分量输入CRM函数中进行增强；

步骤(3)：对步骤(1)中的反射分量进行去噪；

步骤(4)：将增强后的光照分量输入融合增强系统；首先将增强后的光照分量和反射分量进行连接，连接之后进行一次卷积操作，再进行三次经过relu激活函数的下采样操作，让深度卷积网络了解大尺度光照的分布情况；然后采用最近邻插值的方法进行三次上采样，重构局部光照分布；

步骤(5)：将去噪后的反射分量和处理后的光照分量进行多尺度融合，输出结果；

所述步骤(1)包括：

步骤(1‑1)：选取数字图像中R、G、B三通道中的最大值进行堆叠，使其变成4通道，并将该4通道矩阵与原矩阵进行连接；

步骤(1‑2)：将连接后的矩阵数据格式转变为张量，使用64个卷积核、卷积核大小为3*3的、无激活函数、填充边界的卷积进行1次卷积操作，然后再用增加relu激活函数的卷积进行5次卷积操作；

步骤(1‑3)：将卷积后的张量变为4通道，取出前三通道作为R、G、B通道的反射分量，最后一通道作为光照分量；所述步骤(5)包括：步骤(5‑1)：首先将步骤(1‑2)中的前两次上采样操作以后的图片调整大小使其和最后上采样以后的图片大小一致，然后将它们互相连接，对连接后的张量使用64个卷积核、卷积核大小为1*1、填充边界、无激活函数的卷积操作，使其进行融合；

步骤(5‑2)：对融合后的张量进行1个卷积核、卷积核大小为3*3、填充边界、无激活函数的卷积操作，并输出最终结果；

将成对的图片通过卷积神经网络对图片进行分解，分解之后使用CRM方法对光照分量进行处理、对反射分量进行去噪操作，处理之后通过卷积神经网络进行融合，获得更少的色彩和亮度失真的增强结果，获得反射率图像，最终提高图片在低光下的质量。

2.根据权利要求1所述的基于卷积神经网络图像对CRM增强的低光图像增强方法，其特征在于，所述步骤(2)包括：步骤(2‑1)：设定常数a，b的值，将反射分量值带入公式 中求出K值，其中ε表示一个很小的数，以防止分母为0；

步骤(2‑2)：将K值及反射分量带入公式：

b(1‑k) k

CRM(INI,Input)＝e Input中求解结果；

步骤(2‑3)：将结果限制在0与1之间，输出结果。

3.根据权利要求1所述的基于卷积神经网络图像对CRM增强的低光图像增强方法，其特征在于，所述步骤(3)包括：步骤(3‑1)：Grouping为目标块找到相似块，块集合无顺序限制；

步骤(3‑2)：Collaborative hard‑thresholding使用某种域变换方法，得到“变换后的相似块集合”，采用协同硬阈值策略“弱化”相似块的噪声，后反变换回原始块域；

步骤(3‑3)：Aggregation加权平均相似块，叠加后得到basic estimate后的目标块；

步骤(3‑4)：Grouping使用(3‑1)中Grouping找到的块集合，以及已由Basic estimate处理后的图像重新计算块集合；

步骤(3‑5)：Collaborative Wiener filtering域变换后，使用维纳滤波去除噪声。

4.根据权利要求3所述的基于卷积神经网络图像对CRM增强的低光图像增强方法，其特征在于，所述步骤(3‑1)包括：步骤(3‑1‑1)：采用a normalized 2D linear transform与hard‑thresholding对块距离进行预处理操作，公式如下：其中，x为像素点，X为图像，ZxR是目标块，Zx是搜索块， 是Basic estimate:中块的大小，γ’是硬阈值操作，阈值设为λ2Dσ， 是归一化后的二维线性变换；

根据距离就可以找到相似块集合，公式为：

ht ht

SxR ＝{x∈X:d(ZxR,Zx)≤Tmatch }

ht ht ht

其中，λmatch 确定是否相似的超参数，SxR 为x∈SxR 的相似块集合。

5.根据权利要求3所述的基于卷积神经网络图像对CRM增强的低光图像增强方法，其特征在于，所述步骤(3‑2)包括：步骤(3‑2‑1)：Collaborative hard‑thresholding相似块降噪，使用归一化的3D线性变换 来降低相似块的噪声，然后使用反变换 得到处理后的相似块 其中为归一化的3D线性变换， 为其反变换，γ为硬阈值操作，阈值设为λ3Dσ。

6.根据权利要求3所述的基于卷积神经网络图像对CRM增强的低光图像增强方法，其特征在于，所述步骤(3‑3)包括：步骤(3‑3‑1)：为了降低相似块的信息冗余与自身噪声，加权平均后得到目标块的像素值，公式如下：ht xR

其中，ωxR 为权重，Nhar 为硬阈值操作后的非0系数的个数，Xxm：X→{0,1}，在实际搜索相似块时，需要对原图padding，由padding得到的相似块不纳入加权平均中。

7.根据权利要求1所述的基于卷积神经网络图像对CRM增强的低光图像增强方法，其特征在于，所述步骤(4)包括：步骤(4‑1)：使用64个卷积核、卷积核大小为3*3的、步长为2、无激活函数、填充边界的卷积进行1次卷积操作，然后进行3次下采样；使用增加relu激活函数的卷积进行3次卷积操作；

步骤(4‑2)：进行三次上采样操作：使用最近邻插值的方法对卷积后缩小的图片进行扩充，然后再使用64个卷积核、卷积核大小为3*3的、激活函数为relu、填充边界的卷积进行1次卷积操作；重复以上步骤两次。

8.一种电子设备，其特征在于，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述权利要求1‑7任一项所述的基于卷积神经网络图像对CRM增强的低光图像增强方法。