1.一种基于图像分割的多尺度生成对抗网络的异源遥感图像配准方法，其特征在于：包括如下步骤：

(1)从两组高分辨率异源遥感图像数据中获取成对的训练样本，两组高分辨率异源遥感图像数据中的数据互为一一匹配，成对的训练样本中的两张图像分别为两组高分辨率异源遥感图像数据中一一匹配的数据，将成对的训练样本中的两张图像分别称为输入图像和目标图像；

(2)采用分割方法对图像进行图像分割，获得多尺度分割图像；

(3)构建基于图像分割的多尺度生成对抗网络Ⅰ；

(4)构建多尺度图像块生成对抗网络Ⅱ；

(5)训练两个生成对抗网络；

(6)将生成图像与待配准图像进行同源图像配准。

2.根据权利要求1所述的基于图像分割的多尺度生成对抗网络的异源遥感图像配准方法，其特征在于：所述步骤(2)中，对图像进行图像分割，采用的分割方法为k-means图像分割法。

3.根据权利要求1所述的基于图像分割的多尺度生成对抗网络的异源遥感图像配准方法，其特征在于：所述步骤(3)中，基于图像分割的多尺度生成对抗网络Ⅰ包括一个多尺度生成器GM和一个多尺度判别器DM，满足：其中：x为输入图像，y为对应输入图像x的目标图像，·(r)为在尺度空间r的图像·，尺度空间1中的图像尺寸是尺度空间2中的图像尺寸的2倍，尺度空间2中的图像尺寸是尺度空间3中的图像尺寸的2倍，x(r)和y(r)分别为在尺度空间r的输入图像x和目标图像y，表示输入图像x和目标图像y的对抗损失函数，S(x)表示输入图像x经k-means图像分割法分割后获得的分割图像，GM(x,S(x))(r)为输入图像x与分割图像S(x)经多尺度生成器GM后在尺度空间r下获得的生成图像，DM(r)(x(r),y(r))和DM(r)(x(r),GM(x,S(x))(r))为在尺度空间r下判别器DM(r)对图像组合(x(r),y(r))和图像组合(x(r),GM(x,S(x))(r))的判别结果， 表示数学期望，(x(r),y(r))～pdata(x(r),y(r))表示变量(x(r),y(r))服从数据分布pdata(x(r),y(r))，x(r)～pdata(x(r))表示变量x(r)服从数据分布pdata(x(r))。

4.根据权利要求1所述的基于图像分割的多尺度生成对抗网络的异源遥感图像配准方法，其特征在于：所述步骤(4)中，构建多尺度图像块生成对抗网络Ⅱ包括如下步骤：(41)使用高斯差分函数特征点定位方法对多尺度目标图像进行特征点定位；

(42)将多尺度目标图像的特征点定位位置在相应的多尺度生成图像上共享；

(43)提取多尺度目标图像和多尺度生成图像上相同特征点定位位置上的对应图像块；

(44)使用多尺度图像块生成对抗网络Ⅱ对多尺度目标图像和多尺度生成图像中对应图像块进行判别。

5.根据权利要求4所述的基于图像分割的多尺度生成对抗网络的异源遥感图像配准方法，其特征在于：所述步骤(44)中，多尺度图像块生成对抗网络Ⅱ中的生成器采用步骤(3)中多尺度生成对抗网络Ⅰ中的生成器。

6.根据权利要求1所述的基于图像分割的多尺度生成对抗网络的异源遥感图像配准方法，其特征在于：所述步骤(5)中，按照下面的损失函数训练两个生成对抗网络：其中： 表示多尺度生成对抗网络Ⅰ和多尺度图像块生成对抗网络Ⅱ的目标函数，表示生成图像和目标图像的多尺度图像分割损失函数，y(1)和y(2)分别表示在尺度空间1和在尺度空间2下的目标图像，y'(1)表示在尺度空间1下的生成图像，y”(2)表示在尺度空间2下的中间生成图像， 表示在尺度空间r下第k组图像块的图像块对抗损失函数；

K(r)为在尺度空间r下，通过多尺度图像块生成对抗网络Ⅱ从尺度空间r下的生成图像以及目标图像中提取出的图像块的数量，k∈K(r)， 为在尺度空间r下的目标图像上提取的第k个图像块， 为在尺度空间r下的生成图像上提取的第k个图像块， 和 称为在尺度空间r下的第k组图像块；λ1为加权系数；

H(·)为像素级的交叉熵损失函数， a和b为图像分割后的标

注图，I为a和b对应的像空间，J为标注图的标注空间；S(y)表示目标图像y经k-means图像分割法分割后获得的分割图像；

和 分别表示在尺度空间r下图像块判别器DPM对 和 的

判别结果；(y(1),y'(1))～pdata(y(1),y'(1))表示变量(y(1),y'(1))服从数据分布pdata(y(1),y'(1))，(y(2),y”(2))～pdata(y(2),y”(2))表示变量(y(2),y”(2))服从数据分布pdata(y(2),y”(2))，y(r)～pdata(y(r))表示变量y(r)服从数据分布pdata(y(r))，y'(r)～pdata(y'(r))表示变量y'(r)服从数据分布pdata(y'(r))。

7.根据权利要求1所述的基于图像分割的多尺度生成对抗网络的异源遥感图像配准方法，其特征在于：所述步骤(6)中，使用SIFT特征配准方法对生成图像和待配准图像进行同源图像配准。

8.一种实现权利要求1～7所述的任一基于图像分割的多尺度生成对抗网络的异源遥感图像配准方法的装置，其特征在于：包括：

获取单元：从两组高分辨率异源遥感图像数据中获取成对的训练样本；

图像分割单元：对图像进行图像分割；

多尺度生成对抗网络：约束多尺度生成图像和多尺度目标图像的生成对抗一致性；

多尺度图像块生成对抗网络：约束多尺度生成图像和多尺度目标图像局部特征块的一致性；

训练单元：对基于图像分割的多尺度生成对抗网络中的生成器、判别器，多尺度图像块生成对抗网络的判别器进行训练；

图像配准单元：对生成图像和待配准图像进行SIFT特征配准。

9.根据权利要求8所述的装置，其特征在于：所述多尺度生成对抗网络包括：生成模块：根据多尺度输入图像和多尺度分割图像，输出与目标图像纹理相似的多尺度生成图像；

多尺度判别模块：在多尺度空间下，输入图像组合为目标图像和输入图像时，判别为真；输入图像组合为生成图像和输入图像时，判别为假。

10.根据权利要求8所述的装置，其特征在于：所述多尺度图像块生成对抗网络包括：特征点定位模块：对多尺度的目标图像使用高斯差分函数特征点定位方法进行特征点定位；

特征点位置共享模块：将多尺度目标图像的特征点定位位置在相应的多尺度生成图像上共享；

图像块提取模块：提取多尺度目标图像和多尺度生成图像上相同特征点位置上的对应图像块；

图像块判别模块：在多尺度空间下，输入为目标图像的图像块时，判别为真；输入为生成图像的图像块时，判别为假。