1.基于小波变换和间隔密集网络的SAR图像去斑方法，其特征在于：具体包括以下步骤：

步骤1，获取待训练图像；

步骤2，根据步骤1中的待训练图像，制作仿真SAR图像数据集；

步骤3，将步骤1中的待训练图像和步骤2中得到的仿真SAR图像数据集分别进行对数变换，再进行一级小波变换，分别得到四个分量；

步骤4，将步骤3所得的四个分量分别对应输入到间隔密集网络中进行训练，得到去除斑点噪声的四个分量；

步骤5，将步骤4中得到的去除斑点噪声后的四个分量进行小波逆变换，再进行指数化，便得到去斑后的SAR图像。

2.根据权利要求1所述的基于小波变换和间隔密集网络的SAR图像去斑方法，其特征在于：所述步骤1的具体操作为：

步骤1.1，选用遥感分类数据集UC Merced Land‑Use作为训练样本图像集，该数据集包括21个类别彩色场景图，每个类别有100张，共2100张图像，图像大小都为256×256；

步骤1.2，对步骤1.1中的2100张彩色图片进行灰度处理，得到2100张灰度图像作为网络训练时的标签，记为R。

3.根据权利要求2所述的基于小波变换和间隔密集网络的SAR图像去斑方法，其特征在于：所述步骤2中的具体过程为：

对步骤1.1中得到的2100张灰度图像添加斑点噪声，输出得到对应的2100张仿真SAR图像数据集，记为F，如公式(1)所示：F(x,y)＝R(x,y)·N(x,y)           (1)；

式中，F(x,y)表示图像在(x,y)位置被斑点噪声污染的灰度值；R(x,y)表示清晰图像在(x,y)位置实际的后向散射系数；N(x,y)表示在图像(x,y)位置的添加的斑点噪声。

4.根据权利要求3所述的基于小波变换和间隔密集网络的SAR图像去斑方法，其特征在于：所述步骤3的具体过程为：

步骤3.1，对步骤1.2中得到的标签图像X和步骤2中得到的仿真SAR图像数据集Y进行对数变换，分别对应得到R'和F’，进行对数变换将乘性噪声转化为加性噪声，用公式表示为，对公式(1)进行对数变换得到公式(2)：log[F(x,y)]＝log[R(x,y)]+log[N(x,y)]         (2)；

步骤3.2，对步骤3.1中经过对数变换得到的R'和F’进行一级小波分解，得到小波变换分量cAR'、cVR'、cHR'、cDR'和cAF'、cVF'、cHF'、cDF'的.mat文件。

5.根据权利要求4所述的基于小波变换和间隔密集网络的SAR图像去斑方法，其特征在于：所述步骤4的具体过程为：

步骤4.1，将步骤3.2中得到cAR'的.mat文件和对应cAF'的.mat输入到间隔密集网络中进行训练，得到去斑后的cAF”的.mat文件；

步骤4.2，将步骤3.2中得到cVR'的.mat文件和对应cVF'的.mat输入到间隔密集网络中进行训练，得到去斑后的cVF”的.mat文件；

步骤4.3，将步骤3.2中得到cHR'的.mat文件和对应cHF'的.mat输入到间隔密集网络中进行训练，得到去斑后的cHF”的.mat文件；

步骤4.4，将步骤3.2中得到cDR'的.mat文件和对应cDF'的.mat输入到间隔密集网络中进行训练，得到去斑后的cDF”的.mat文件。

6.根据权利要求5所述的基于小波变换和间隔密集网络的SAR图像去斑方法，其特征在于：所述步骤5的具体过程为：

步骤5.1，将步骤4.1得到的cAF”的.mat文件、步骤4.2得到的cVF”的.mat文件、步骤4.3得到的cHF”的.mat文件、步骤4.4得到的cDF”的.mat文件进行小波逆变换，得到去斑后对数变换的SAR图像F”；

步骤5.2，将步骤5.1中得到的F”进行指数化便得到最终的去斑图像。