1.一种红外图像的自适应对比度增强方法，其特征在于，包括以下步骤：
步骤S1、获取原始红外图像；
步骤S2、对原始红外图像进行直方图统计，基于直方图统计结果获得原始红外图像实际映射灰度级范围，对直方图截取滤除两端坏像素点，获得滤除坏像素点后的红外图像；
步骤S3、建立线性映射调光模型，对滤除坏像素点后的红外图像进行线性压缩，获得线性映射调光后的图像灰度值结果；
同时，对滤除坏像素点后的红外图像进行自适应平台直方图均衡化，获得自适应平台直方图均衡化映射的图像灰度值结果；
所述对滤除坏像素点后的红外图像进行自适应平台直方图均衡化，获得自适应平台直方图均衡化映射的图像灰度值结果具体为：
B.1、设置平台直方图上阈值Tclip，对滤除坏像素点后的红外图像的高峰数据进行修正；
其中，为修正后的直方图中第k个灰度级出现像素点的个数；
B.2、设置自适应平台直方图左右阈值，进一步对滤除坏像素点后的红外图像的边界数据进行二次修正；
其中，为二次修正后的直方图中第k个灰度级出现像素点的个数；
B.3、计算自适应直方图映射范围；
B.3.1、计算滤除坏像素点后的红外图像的动态范围nRange：
nRange＝xMax‑xMin；
B.3.2、计算自适应直方图映射范围foBitDepth：
B.4、对经过修正后的直方图进行概率统计，得到累积直方图；
修正后直方图的第k个灰度级rk像素点灰度值的分布概率其中，为第k个灰度级上所有像素点的灰度累加和，则修正后累积直方图为：
B.5、利用累积直方图，得到自适应平台直方图均衡化映射的图像灰度值PheResij：
其中，rstart为均衡映射输出的起始灰度；
步骤S4、根据步骤S3获得的线性映射调光后的图像灰度值结果和自适应平台直方图均衡化映射后的图像灰度值结果，进行加权混合调光映射，得到加权混合调光映射后的图像灰度值，重建后得到自适应对比度增强后的红外图像。

2.根据权利要求1所述的红外图像的自适应对比度增强方法，其特征在于，步骤S2具体为：
2.1、对原始红外图像进行直方图统计，遍历原始红外图像灰度范围中所有灰度级出现的像素点，统计每个灰度级上像素点个数；
令原始红外图像的灰度范围为[0,L)，rk为其中第k个灰度级，rk∈[0,L)，为第k个灰度级出现像素点的个数；
2.2、基于直方图统计结果，设定灰度范围阈值Tnoise，得到原始红外图像实际映射灰度级范围(xMin,xMax)，对直方图截取滤除两端坏像素点，获得滤除坏像素点后的红外图像；
灰度范围阈值Tnoise满足：最小灰度级xMin为从灰度0级向上搜索第一个大于灰度范围阈值Tnoise的灰度级；最大灰度级xMax为最高灰度级向下搜索第一个大于灰度范围阈值Tnoise的灰度级；
分别对小于最小灰度级xMin和大于大灰度级xMax的所有灰度级进行截取滤除两端坏像素点，获得滤除坏像素点后的红外图像。

3.根据权利要求2所述的红外图像的自适应对比度增强方法，其特征在于：
步骤S3中，所述对滤除坏像素点后的红外图像进行自适应平台直方图均衡化，获得自适应平台直方图均衡化映射的图像灰度值结果具体为：
A.1、建立线性映射调光模型，将滤除坏像素点后的红外图像调光压缩至8bit图像；
所述线性映射调光模型为：
LineResij＝K×Xij+B；
其中，LineResij为线性映射调光后图像的灰度值；Xij表示原始红外图像的灰度值；K为线性映射增益，B为偏置常数；
A.2、根据最小灰度级xMin和最大灰度级xMax对应的图像数据，计算线性映射增益K和偏置常数B；
最小灰度级xMin和最大灰度级xMax对应的图像数据应满足：
其中，yMin为线性映射调光后的图像的最小灰度级；yMax为为线性映射调光后的图像的最大灰度级；
求解可得：
A.3、根据线性映射增益K和偏置常数B，计算得到线性映射调光后的图像灰度值LineResij。

4.根据权利要求3所述的红外图像的自适应对比度增强方法，其特征在于：步骤S4中，所述加权混合调光映射后的图像灰度值Iij：
Iij＝w×LineResij+(1‑w)×PheResij；
其中，w为加权系数；