1.一种夜景图像增强方法，其特征在于，所述方法包括：获取待增强夜景图像；通过限制对比度自适应直方图均衡化CLAHE算法对所述待增强夜景图像进行图像增强处理，得到第一图像；通过Zero-DCE图像增强网络对所述第一图像进行图像增强处理，得到目标图像。
2.根据权利要求1所述的夜景图像增强方法，其特征在于，所述方法还包括：建立夜景图像增强数据库；将基于pytorch框架的Zero-DCE图像增强网络的.pth格式文件转换为基于caffe框架的prototxt文件和.caffemodel格式文件；搭建caffe框架，并将所述prototxt文件和.caffemodel格式文件导入所述caffe框架，得到基于caffe框架的Zero-DCE图像增强网络；使用所述数据库训练所述基于caffe框架的Zero-DCE图像增强网络，并将训练好的基于caffe框架的Zero-DCE图像增强网络移植至嵌入式平台上；其中，利用所述嵌入式平台上的训练好的基于caffe框架的Zero-DCE图像增强网络对所述第一图像进行图像增强处理。
3.根据权利要求2所述的夜景图像增强方法，其特征在于，所述方法还包括：利用OpenCV库中函数创建CLAHE算法，并将创建的CLAHE算法移植至所述嵌入式平台上；其中，利用所述嵌入式平台上的CLAHE算法对所述待增强夜景图像进行图像增强处理。
4.根据权利要求2所述的夜景图像增强方法，其特征在于，所述.pth格式文件包括存成词典的pytorch参数名称和权重，所述将基于pytorch框架的Zero-DCE图像增强网络的.pth格式文件转换为基于caffe框架的prototxt文件和.caffemodel格式文件，包括：建立caffe框架到pytorch框架的参数名称映射，并将所述参数名称映射存在字典或者txt里，得到所述prototxt文件；基于所述参数名称映射，将.pth格式文件中的权重赋予对应的caffe参数，得到所述.caffemodel格式文件。
5.根据权利要求2或4所述的夜景图像增强方法，其特征在于，通过pytorch2caffe工具将基于pytorch框架的Zero-DCE图像增强网络的.pth格式文件转换为基于caffe框架的prototxt文件和.caffemodel格式文件。
6.根据权利要求2所述的夜景图像增强方法，其特征在于，所述将所述prototxt文件和.caffemodel格式文件导入所述caffe框架之后，还测试所述prototxt文件和.caffemodel格式文件在所述caffe框架是否正常运行，若是则得到所述基于caffe框架的Zero-DCE图像增强网络。
7.根据权利要求1所述的夜景图像增强方法，其特征在于，所述通过Zero-DCE图像增强网络对所述第一图像进行图像增强处理，得到目标图像，包括：将所述第一图像输入至所述Zero-DCE图像增强网络，输出一组光增强曲线的参数；将所述光增强曲线的参数应用于所述第一图像的RGB通道的所有像素，得到所述目标图像。
8.根据权利要求1所述的夜景图像增强方法，其特征在于，光增强曲线通过下式表示：LE(x)＝LE n-1 (x)+A n (x)LE n-1 (x)(1-LE n-1 (x))其中，A n (x)表示所述第一图像中每个像素值对应的α组成的矩阵，α∈[-1,1]，是所述光增强曲线的可训练参数，用于调整所述光增强曲线的级数以及曝光度，x为所述第一图像的像素坐标，LE n (x)是所述第一图像第n-1次迭代的增强图像。
9.根据权利要求1所述的夜景图像增强方法，其特征在于，所述Zero-DCE图像增强网络由7个具有对称结构的卷积层组成，前6层的卷积核为3x3x32，步长为1，后接ReLU激活函数，最后一层卷积通道为24，用于8个迭代轮次的参数矩阵，后接Tanh激活函数。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-9中任一项所述的夜景图像增强方法。
11.一种夜景图像增强装置，其特征在于，所述装置包括：获取模块，用于获取待增强夜景图像；第一处理模块，用于通过限制对比度自适应直方图均衡化CLAHE算法对所述待增强夜景图像进行图像增强处理，得到第一图像；第二处理模块，用于通过Zero-DCE图像增强网络对所述第一图像进行图像增强处理，得到目标图像。
12.根据权利要求11所述的夜景图像增强装置，其特征在于，所述装置还包括：建立模块，用于建立夜景图像增强数据库；转换模块，用于将基于pytorch框架的Zero-DCE图像增强网络的.pth格式文件转换为基于caffe框架的prototxt文件和.caffemodel格式文件；搭建模块，用于搭建caffe框架；导入模块，用于将所述prototxt文件和.caffemodel格式文件导入所述caffe框架，得到基于caffe框架的Zero-DCE图像增强网络；训练模块，用于使用所述数据库训练所述基于caffe框架的Zero-DCE图像增强网络；第一移植模块，用于将训练好的基于caffe框架的Zero-DCE图像增强网络移植至嵌入式平台上；其中，所述第二处理模块具体用于利用所述嵌入式平台上的训练好的基于caffe框架的Zero-DCE图像增强网络对所述第一图像进行图像增强处理。
13.根据权利要求12所述的夜景图像增强装置，其特征在于，所述装置还包括：创建模块，用于利用OpenCV库中函数创建CLAHE算法；第二移植模块，用于将创建的CLAHE算法移植至所述嵌入式平台上；其中，所述第一处理模块具体用于利用所述嵌入式平台上的CLAHE算法对所述待增强夜景图像进行图像增强处理。
