技术特征：
1.一种基于自适应分数阶微分的图像增强方法，其特征在于，包括如下步骤：步骤s1：对待处理图像计算改进，获得基于r-l分数阶微分的图像增强模板，所述待处理图像记为f(x,y)，所述图像增强模板包括去除水平信息的图像增强模板、去除垂直信息的图像增强模板以及全方位的图像增强模板；步骤s2：使用所述去除水平信息的图像增强模板在固定阶数的情况下对所述待处理图像进行局部增强，得到第一局部增强图像p1(x,y)；步骤s3：使用所述去除垂直信息的图像增强模板在固定阶数的情况下对所述待处理图像进行局部增强，得到第二图像局部增强p2(x,y)；步骤s4：利用所述p1(x,y)和所述p2(x,y)对所述待处理图像的每个像素计算一个不同的第一分数阶阶数，记为v(x,y)；步骤s5：采用自适应的所述第一分数阶阶数v(x,y)及所述全方位的图像增强模板对所述待处理图像进行增强处理，得到最终的图像增强。2.如权利要求1所述的基于自适应分数阶微分的图像增强方法，其特征在于，所述图像增强模板还包括第一图像增强模板，所述步骤s1包括：步骤s11：基于r-l分数阶微分，得到一个经典的5
×
5的r-l分数阶微分的第一图像增强基本模板：其中，其中，v是第二分数阶阶数，γ(2-v)表示伽玛函数运算，接着用b1＝8
×
(a1+a2+a3)对所述rl1进行归一化处理，最终得到所述第一图像增强模板步骤s12：对所述第一图像增强基本模板rl1进行改进，去除水平方向的信息，首先将所述rl1的第3行除中心点的另外4个点的取值均为0，然后将中心点由8a1调整为6a1，得到第二图像增强基本模板rl2：接着用b2＝6
×
(a1+a2+a3)对所述rl2进行归一化处理，最终得到去除水平信息的图增强模板步骤s13：对所述第一图像基本模板rl1进行改进，去除垂直方向的信息，首先将所述rl1的第3列除中心点的另外4个点的取值均为0，然后将中心点由8a1调整为6a1，得到第三图像增强基本模板rl3：接着用b3＝6
×
(a1+a2+a3)对所述rl3进行归一
化处理，最终得到去除垂直信息的图像增强模板步骤s14：对所述第一图像基本模板rl1进行改进，首先将所述rl1中取值为0的点调整为然后将中心点由8a1调整为12a1，得到第四图像增强基本模板rl4，具体公式如下：接着用b4＝12
×
(a1+a2+a3)对所述rl4进行归一化处理，最终得到全方位的图像增强模板3.如权利要求2所述的基于自适应分数阶微分的图像增强方法，其特征在于，所述步骤s2具体为：使用所述对所述f(x,y)进行卷积处理，得到所述第一局部增强图像p1(x,y)，具体公式为：其中表示卷积运算，所述中使用的第二分数阶阶数v为固定值。4.如权利要求3所述的基于自适应分数阶微分的图像增强方法，其特征在于，所述步骤s3具体为：使用所述对所述f(x,y)进行卷积处理，得到所述第二局部增强图像p2(x,y)，具体公式为：其中表示卷积运算，所述中使用的第二分数阶阶数v为固定值。5.如权利要求4所述的基于自适应分数阶微分的图像增强方法，其特征在于，所述步骤s4包括：步骤s41：利用sobel算子提取所述p1(x,y)的水平梯度信息，记为g1(x,y)，具体公式如下：其中其中表示卷积运算；步骤s42：利用sobel算子提取所述p2(x,y)的垂直梯度信息，记为g2(x,y)，具体公式如下：其中s
′
为所述步骤s41中s的转置矩阵，表示卷积运算；步骤s43：利用所述g1(x,y)和所述g2(x,y)计算所述待处理图像f(x,y)的梯度信息，记为g(x,y)，具体公式如下：步骤s44：统计g(x,y)的最大值，记为gmax；步骤s45：根据所述待处理图像的每个像素的梯度信息g(x,y)计算与所述像素对应的第一分数阶阶数v(x,y)，具体公式如下：其中ε是调节参数。6.如权利要求5所述的基于自适应分数阶微分的图像增强方法，其特征在于，所述图像
增强模板还包括第二图像增强模板，所述步骤s5包括：步骤s51：任取所述待处理图像f(x,y)的一个像素(x0,y0)，采用所述第一分数阶阶数v＝v(x0,y0)，计算出对应的a1、a2、a3、a4、b4的取值，接着代入所述步骤s14中的所述全方位的图像增强模板的具体公式中，计算对应的第二图像增强模板，记为然后对所述像素(x0,y0)进行增强得到新像素值p3(x0,y0)，具体公式如下：其中，表示卷积运算，f
ω5
(x,y)表示在所述待处理图像f(x,y)上像素点(x0,y0)的5
×
5领域区间所组成的子图像；步骤s52：对所述待处理图像的所有像素全部按照所述步骤s51中新像素值p3(x0,y0)的具体公式进行增强后，得到最终的图像增强，所述图像增强结果为p3(x,y)。7.一种基于自适应分数阶微分的图像增强系统，其特征在于，包括计算模块、增强模块，所述计算模块用于对待处理图像计算改进，获得基于r-l分数阶微分的图像增强模板，所述待处理图像记为f(x,y)，所述图像增强模板包括去除水平信息的图像增强模板、去除垂直信息的图像增强模板以及全方位的图像增强模板；所述增强模块用于使用所述去除水平信息的图像增强模板在固定阶数的情况下对所述待处理图像进行局部增强，得到第一局部增强图像p1(x,y)，使用所述去除垂直信息的图像增强模板在固定阶数的情况下对所述待处理图像进行局部增强，得到第二图像局部增强p2(x,y)；所述计算模块还用于利用所述p1(x,y)和所述p2(x,y)对所述待处理图像的每个像素计算一个不同的第一分数阶阶数，记为v(x,y)；所述增强模块还用于采用自适应的所述第一分数阶阶数v(x,y)及所述全方位的图像增强模板对所述待处理图像进行增强处理，得到最终的图像增强。8.如权利要求7所述的基于自适应分数阶微分的图像增强系统，其特征在于，所述图像增强模板还包括第一图像增强模板，所述第一图像增强模板、所述去除水平信息的图像增强模板、所述去除垂直信息的图像增强模板和所述全方位的图像增强模板的获取方式具体为：基于r-l分数阶微分，得到一个经典的5
×
5的r-l分数阶微分的第一图像增强基本模板：其中，v是第二分数阶阶数，γ(2-v)表示伽玛函数运算，接着用b1＝8
×
(a1+a2+a3)对所述rl1进行归一化处理，最终得到所述第一图像增强模板对所述第一图像增强基本模板rl1进行改进，去除水平方向的信息，首先将所述rl1的第3行除中心点的另外4个点的取值均为0，
然后将中心点由8a1调整为6a1，得到第二图像增强基本模板rl2：接着用b2＝6
×
(a1+a2+a3)对所述rl2进行归一化处理，最终得到去除水平信息的图增强模板对所述第一图像基本模板rl1进行改进，去除垂直方向的信息，首先将所述rl1的第3列除中心点的另外4个点的取值均为0，然后将中心点由8a1调整为6a1，得到第三图像增强基本模板rl3：接着用b3＝6
×
(a1+a2+a3)对所述rl3进行归一化处理，最终得到去除垂直信息的图像增强模板对所述第一图像基本模板rl1进行改进，首先将所述rl1中取值为0的点调整为然后将中心点由8a1调整为12a1，得到第四图像增强基本模板rl4，具体公式如下：接着用b4＝12
×
(a1+a2+a3)对所述rl4进行归一化处理，最终得到全方位的图像增强模板所述第一局部增强图像p1(x,y)的获取方式为：使用所述对所述f(x,y)进行卷积处理，得到所述第一局部增强图像p1(x,y)，具体公式为：其中表示卷积运算，所述中使用的第二分数阶阶数v为固定值；所述第二局部增强图像p2(x,y)的获取方式为：使用所述对所述f(x,y)进行卷积处理，得到所述第二局部增强图像p2(x,y)，具体公式为：其中表示卷积运算，所述中使用的第二分数阶阶数v为固定值；所述第一分数阶阶数的获取方式为：利用sobel算子提取所述p1(x,y)的水平梯度信息，记为g1(x,y)，具体公式如下：其中其中
表示卷积运算；利用sobel算子提取所述p2(x,y)的垂直梯度信息，记为g2(x,y)，具体公式如下：其中s
′
为所述s的转置矩阵，表示卷积运算；利用所述g1(x,y)和所述g2(x,y)计算所述待处理图像f(x,y)的梯度信息，记为g(x,y)，具体公式如下：统计g(x,y)的最大值，记为gmax；根据所述待处理图像的每个像素的梯度信息g(x,y)计算与所述像素对应的第一分数阶阶数v(x,y)，具体公式如下：其中ε是调节参数；所述图像增强模板还包括第二图像增强模板，所述最终的的图像增强获取方式为：任取所述待处理图像f(x,y)的一个像素(x0,y0)，采用所述第一分数阶阶数v＝v(x0,y0)，计算出对应的a1、a2、a3、a4、b4的取值，接着代入所述全方位的图像增强模板的具体公式中，计算对应的第二图像增强模板，记为然后对所述像素(x0,y0)进行增强得到新像素值p3(x0,y0)，具体公式如下：其中表示卷积运算，f
ω5
(x,y)表示在所述待处理图像f(x,y)上像素点(x0,y0)的5
×
5领域区间所组成的子图像；对所述待处理图像的所有像素全部按照所述新像素值p3(x0,y0)的具体公式进行增强后，得到最终的图像增强，所述图像增强结果为p3(x,y)。