1.一种基于多光谱融合的光端机初始指向方位测量方法，其特征在于，包括以下步骤：S1：采集光端机多光谱图像；

S2：将采集到的光端机多光谱图像分成两个通道的光端机图像，分别为可见光波段图像和红外波段图像；

S3：分别通过可见光目标检测模型和红外目标检测模型对可见光波段图像和红外波段图像进行目标检测处理；

S4：将两个通道的检测结果进行图像融合检测处理，得到光端机初始指向方位测量结果。

2.根据权利要求1所述的方法，其特征在于，所述步骤S4通过图像决策级融合检测对两个通道的检测结果进行处理，具体流程为：S4.1：将可见光目标模型检测得到的部分候选框和红外目标模型检测得到的部分候选框放在一个候选框集合当中；

S4.2：根据候选框置信度的高低，对候选框集合进行排序，得到置信度最高的候选框Rmax；

S4.3：计算其他候选框与Rmax的交互比，判断交互比的数值是否达到所抑制的阈值，如果数值大于阈值，将该候选框舍弃，否则保留该候选框；

S4.4：将所有小于阈值的候选框放到一个集合里面，重复步骤S4.2和S4.3，直到只剩下一个候选框，将该候选框作为图像融合检测最终结果，并通过坐标转换计算得到光端机初始指向方位最终测量结果。

3.根据权利要求1所述的方法，其特征在于，所述步骤S3中可见光目标检测模型和红外目标检测模型都采用区域卷积神经网络R‑CNN模型，R‑CNN模型进行目标检测处理步骤为：S3.1：生成候选区域；通过算法在输入图像上提取多个生成可能包含目标的候选区域；

S3.2：进行特征提取；调整图片大小，输入AlexNet网络，通过卷积神经网络CNN对每个候选区域提取对应的特征向量；

S3.3：对区域进行分类；将提取的特征向量进行二分类SVM，通过SVM的输出结果得出特征向量对应的候选区域是否存在目标；

S3.4：对检测框进行修正；通过使用算法对检测框进行调整，直至预测框接近于真实框。

4.根据权利要求3所述的方法，其特征在于，所述步骤S3.1中选择Selective Search搜索算法在输入图像上提取候选区域。

5.根据权利要求3所述的方法，其特征在于，所述步骤S3.1中提取的候选区域个数为

2000个。

6.根据权利要求3所述的方法，其特征在于，所述步骤S3.4中通过边框回归算法对检测框进行调整。

7.根据权利要求1所述的方法，其特征在于，所述可见光波段图像的波长为400‑800 nm，所述红外波段图像的波长为0.8um‑14um。

8.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1‑7任一项所述方法的步骤。