1.一种基于深度语义分割网络的遥感影像海岸线提取方法，其特征在于包括以下步骤：

步骤A：将海岸带遥感图像样本输入至编码器中，提取低级细节特征以及高级语义特征，获得多层级特征图；

步骤B：将步骤A所获得的多层级特征图输入至解码器，通过岸线特征增强融合模块和上采样+卷积操作对图像解码，获得海陆分割特征图和海岸线分布特征图；

步骤C：对解码器输出的海陆分割特征图和海岸线分布特征图进行逐像素预测，得到海陆分割二值图和岸线分布二值图，利用海陆二值标签与岸线标签进行误差反向传播，获得训练后的岸线增强语义分割网络；

步骤D：将需要进行岸线提取的海岸带遥感影像输入到训练后的岸线增强语义分割网络中，获得海陆分割二值预测图像结果；

步骤E：从海陆分割二值预测图像结果中提取轮廓作为海陆边界，剔除无用边界，再对海陆边界矢量化获得海岸线提取结果。

2.根据权利要求1所述的一种基于深度语义分割网络的遥感影像海岸线提取方法，其特征在于，所述步骤A具体包括以下步骤：步骤A1：输入的四波段海岸带遥感图像样本经过编码器的第一层是卷积核大小为7×

7，数量为32的卷积层，获得特征图F0；

步骤A2：步骤A1所获得特征图F0经过串行双卷积层，其卷积核大小为3×3，个数为64，，步长为1，生成特征图F1；

步骤A3：步骤A2所生成特征图F1经过最大池化层后经过串行双卷积层，其卷积核大小为

3×3，个数为128，步长为1，生成特征图F2；

步骤A4：步骤A3所生成特征图F2经过最大池化层后经过串行双卷积层，其卷积核大小为

3×3，个数为256，步长为1，生成特征图F3；

步骤A5：步骤A4所生成特征图F3经过最大池化层后经过串行双卷积层，其卷积核大小为

3×3，个数为512，步长为1，生成特征图F4；

步骤A6：步骤A5所生成特征图F4经过最大池化层后经过串行双卷积层，其卷积核大小为

3×3，个数为1024，步长为1，生成特征图F5。

3.根据权利要求2所述的一种基于深度语义分割网络的遥感影像海岸线提取方法，其特征在于，所述步骤B具体包括以下步骤：步骤B1：编码器生成的特征图F5首先通过解码器的卷积+上采样操作提高图像分辨率，获得海岸线特征图Fl0和海陆分割特征图Fs0，通道数均为512；

步骤B2：将步骤B1所得海陆分割特征图Fs0与步骤A5所生成特征图F4拼接获得特征图Is0，然后将特征图Is0和步骤B1所得岸线特征图Fl0输入到岸线特征增强融合模块中获得增强后的岸线特征图和海陆分割特征图，接着通过卷积+上采样操作提高图像分辨率，获得岸线特征图Fl1和海陆分割特征图Fs1，通道数均为256；

步骤B3：将步骤B2所得海陆分割特征图Fs1与步骤A4所生成特征图F3拼接获得特征图Is1，然后将特征图Is1和步骤B2所得岸线特征图Fl1输入到岸线特征增强融合模块中获得增强后的岸线特征图和海陆分割特征图，接着通过卷积+上采样操作提高图像分辨率，获得岸线特征图Fl2和海陆分割特征图Fs2，通道数均为128；

步骤B4：将步骤B3所得海陆分割特征图Fs2与步骤A3所生成特征图F2拼接获得特征图Is2，然后将特征图Is2和步骤B3所得岸线特征图Fl2输入到岸线特征增强融合模块中获得增强后的岸线特征图和海陆分割特征图，接着通过卷积+上采样操作提高图像分辨率，获得岸线特征图Fl3和海陆分割特征图Fs3，通道数均为64；

步骤B5：将步骤B4所得海陆分割特征图Fs3与步骤A2所生成特征图F1拼接获得特征图Is3，然后将特征图Is3和步骤B4所得岸线特征图Fl3输入到岸线特征增强融合模块中获得增强后的岸线特征图Fl4和海陆分割特征图Fs4，通道数均为64。

4.根据权利要求3所述的一种基于深度语义分割网络的遥感影像海岸线提取方法，其特征在于，步骤B2中岸线特征增强融合模块的处理步骤如下：步骤B21：输入的特征图Is0经过1×1卷积调整通道数与输入的岸线特征图Fl0一致得到特征图

步骤B22：将岸线特征图Fl0与步骤B21所得到的特征图 拼接获得拼接后的海岸线特征图；

步骤B23：将步骤B22拼接后的海岸线特征图和步骤B21得到的特征图 分别经过3×3卷积操作得到特征图 和特征图Ol0；

步骤B24：将步骤B23所得到的特征图 和特征图Ol0相加得到特征图Os0，输出融合增强后的分割输出特征图Os0和岸线输出特征图Ol0。

5.根据权利要求3所述的一种基于深度语义分割网络的遥感影像海岸线提取方法，其特征在于，步骤B3中岸线特征增强融合模块的处理步骤如下：步骤B31：输入的特征图Is1经过1×1卷积调整通道数与输入的海岸线特征图Fl1一致得到特征图

步骤B32：将特征图Fl1与步骤B31所得到的特征图 拼接获得拼接后的海岸线特征图；

步骤B33：将步骤B32所拼接后的海岸线特征图和特征图 分别经过3×3卷积操作得到特征图 和特征图Ol1；

步骤B34：将步骤B33所得到的特征图 和特征图Ol1相加得到特征图Os1，输出融合增强后的分割输出特征图Os1和岸线输出特征图Ol1。

6.根据权利要求3所述的一种基于深度语义分割网络的遥感影像海岸线提取方法，其特征在于，步骤B4中岸线特征增强融合模块的处理步骤如下：步骤B41：输入的特征图Is2经过1×1卷积调整通道数与输入的海岸线特征图Fl2一致得到特征图

步骤B42：将特征图Fl2与步骤B41所得到的特征图 拼接获得拼接后的海岸线特征图；

步骤B43：将步骤B42所拼接后的海岸线特征图和特征图 分别经过3×3卷积操作得到特征图 和特征图Ol2；

步骤B44：将步骤B43所得到的特征图 和特征图Ol2相加得到特征图Os2，输出融合增强后的分割输出特征图Os2和岸线输出特征图Ol2。

7.根据权利要求3所述的一种基于深度语义分割网络的遥感影像海岸线提取方法，其特征在于，步骤B5中岸线特征增强融合模块的处理步骤如下：步骤B51：输入的特征图Is3经过1×1卷积调整通道数与输入的海岸线特征图Fl3一致得到特征图

步骤B52：将特征图Fl3与步骤B51所得到的特征图 拼接获得拼接后的海岸线特征图；

步骤B53：将步骤B52所拼接后的海岸线特征图和特征图 分别经过3×3卷积操作得到特征图 和特征图Ol3；

步骤B54：将步骤B53所得到的特征图 和特征图Ol3相加得到特征图Os3，输出融合增强后的分割输出特征图Os3和岸线输出特征图Ol3。

8.根据权利要求3所述的一种基于深度语义分割网络的遥感影像海岸线提取方法，其特征在于，所述步骤C具体包括以下步骤：步骤C1：将步骤B5所得到的海陆分割特征图Fs4和岸线特征图Fl4分别经过两层卷积获得预测海陆分割图和海岸线分布图；

步骤C2：计算预测结果与真实标签之间的损失，其中海陆分割损失函数采用binary crossentropy函数计算，岸线损失函数采用focal loss函数计算，然后将损失反向传播优化模型参数；binary crossentropy函数计算公式如下：式中y表示模型预测值，y表示标签；focal loss函数计算公式如下：式中α为超参数用于平衡正负样本的重要性，γ为超参数用于调节样本权重降低的速率。

9.根据权利要求8所述的一种基于深度语义分割网络的遥感影像海岸线提取方法，其特征在于：优化模型参数时优化器采用自适应矩估计优化；将α设置为0.9，将γ设置为2.0。

10.根据权利要求1所述的一种基于深度语义分割网络的遥感影像海岸线提取方法，其特征在于，所述步骤E具体包括以下步骤：步骤E1：使用轮廓提取算法提取步骤D中获得的海陆分割二值预测图像的轮廓；

步骤E2：将轮廓点较少的轮廓剔除，仅保留最大轮廓，将剩余像素作为海陆边界像素，得到海陆边界二值图像；

步骤E3：将海陆边界二值图像矢量化获得海岸线提取结果。