1.一种基于神经网络的对无人机巡检航拍图像去雾方法，其特征在于，包括：基于无人机巡检航拍图像构建图像数据集；

构建启发式感知去雾神经网络，基于所述图像数据集对所述启发式感知去雾神经网络进行训练得到训练好的启发式感知去雾神经网络；

将待去雾处理的无人机巡检航拍图像输入所述训练好的启发式感知去雾神经网络进行处理得到无雾清晰航拍图像；

基于无人机巡检航拍图像构建图像数据集的过程包括：基于无雾清晰的无人机巡检航拍图像构建参照数据源；

对所述参照数据源进行指数计算得到变暗的无雾清晰图像；

对所述变暗的无雾清晰图像进行含雾处理得到含雾无人机巡检航拍图像；

所述参照数据源中每张图像与对应的所述含雾无人机巡检航拍图像构成一组有序对；

基于若干所述有序对构建图像数据集；

对所述变暗的无雾清晰图像进行含雾处理的过程包括对所述变暗的无雾清晰图像进行透射率调整和大气光值增加；

其中，对所述变暗的无雾清晰图像进行含雾处理的表达式为：所述启发式感知去雾神经网络包括：下采样感知层、启发式感知残差模块、上采样重构层和多尺度去雾适应模块；

其中，基于所述启发式感知去雾神经网络进行图像去雾的过程包括：所述含雾无人机巡检航拍图像经两层卷积层得到第一特征图；

所述第一特征图依次经若干次下采样处理得到第二特征图，其中，基于一层所述下采样感知层和一层所述启发式感知残差模块实现下采样处理；

所述第二特征图经一层所述下采样感知层得到第三特征图；

所述第一特征图经一层卷积层和一层多尺度去雾适应模块得到第四特征图；

所述第三特征图依次经三层所述上采样重构层得到第五特征图；

将所述第四特征图和第五特征图按通道维度进行拼接后经一层卷积层处理得到第六特征图；

将所述第六特征图依次经两层所述上采样重构层和一层卷积层处理得到第七特征图；

所述第七特征图经Sigmoid激活函数处理得到无雾清晰航拍图像；

所述启发式感知残差模块进行图像处理的过程包括：输入特征图

对所述特征图

对所述特征图

对所述特征图

对所述特征图

将所述特征图

将所述特征图

将所述特征图

所述多尺度去雾适应模块的图像处理过程包括：输入特征图

将所述特征图

将所述特征图

将所述特征图

将所述特征图

2.根据权利要求1所述的基于神经网络的对无人机巡检航拍图像去雾方法，其特征在于，对所述参照数据源进行指数计算的表达式为：

3.根据权利要求1所述的基于神经网络的对无人机巡检航拍图像去雾方法，其特征在于，所述特征图