1.一种偏振光图像的处理方法，其特征在于，包括如下步骤：

步骤1.首先对偏振光强度图像训练集中每一组偏振光强度图像进行Stokes矢量解算，得到Stokes矢量图，将Stokes矢量图结合相应的标签数据组成Stokes矢量数据集；

步骤2.针对Stokes矢量数据集中每张Stokes矢量图，通过传统偏振光融合解算方式解算出偏振图像数据集，偏振图像数据集中每组偏振图像包括偏振角图像和偏振度图像；

步骤3.根据步骤1中得到的Stokes矢量图和步骤2中得到的偏振图像计算量化参数；其中，量化参数包括斜率参数a、c和偏置参数b、d；

所述步骤3具体为：

步骤3.1.遍历偏振图像数据集中每一组偏振角图像和偏振度图像，针对每一个像素点求解整个偏振图像数据集所有像素点的数值最大值AOPmax、DOPmax、数值最小值AOPmin、DOPmin；

其中，AOPmax表示偏振角最大值，DOPmax表示偏振度最大值；

AOPmin表示偏振角最小值，DOPmin表示偏振度最小值；

步骤3.2.找到AOPmax、DOPmax以及AOPmin、DOPmin四个数值所对应的像素点在Stokes矢量图像数据集中的对应像素点，并求解四个像素点的算式结果，分别记为：其中，I表示入射光的总强度，Q为入射光的水平与垂直方向之间的偏振差异，U为入射光的+45°和‑45°方向之间的偏振差异，V表示入射光的左旋和右旋圆偏振之间的差异；

步骤3.3.利用步骤3.1和3.2中的数据求解量化参数a、b、c、d，量化参数a、b、c、d的求解过程分别如公式(5)至公式(8)所示；

步骤4.将步骤1得到的Stokes矢量数据集，结合步骤3中的量化参数a、b、c、d，根据线性映射偏振解算算法解算得到线性映射偏振图像数据集；线性映射偏振图像数据集中每一组线性映射偏振图像包括线性映射偏振角图像和线性映射偏振度图像；

所述步骤4具体为：

通过针对Stokes矢量数据集中的每一张图像，遍历每一个像素点，根据公式(9)至公式(10)，计算出对应像素的线性映射偏振角lqAOP值和线性映射偏振度lqDOP值；

其中，I表示光的总强度，Q为水平与垂直方向之间的偏振差异，U为+45°和‑45°方向之间的偏振差异，V表示左旋和右旋圆偏振之间的差异；

lqAOP表示经过线性映射运算后偏振角的中间解，lqAOP通过非线性变换解得偏振角；

lqDOP表示经过线性映射运算后偏振度的中间解，lqDOP通过非线性变换解得偏振度；

步骤5.使用偏振图像数据集对偏振识别网络模型训练，得到传统偏振图像识别模型；

步骤6.将步骤4获得的线性映射偏振图像数据集，结合步骤5中的传统偏振图像识别模型进行迁移学习，从而获得线性映射偏振图像识别模型；

步骤7.利用步骤6获得的线性映射偏振图像识别模型，对偏振光相机采集到的待识别图像进行偏振图像识别，得到偏振图像识别结果。

2.根据权利要求1所述的偏振光图像的处理方法，其特征在于，所述步骤1具体为：

由多个偏振光相机拍摄的不同偏振角的偏振光强度图像，并结合每组偏振光强度图像中物体的标签信息，构成偏振光强度图像训练集；

根据Stokes矢量[I,Q,U,V]及Mueller矩阵构成的入射光和出射光关系式(1)，遍历偏振光强度图像训练集中每一组同一物体不同角度偏振光强度图像，根据偏振角度推算出偏振光强度图像入射光Stokes矢量的四个参数I、Q、U、V和出射光Stokes矢量的四个参数I′、Q′、U′、V′之间的关系式，并联合解算得到公式(2)；

其中，Sin表示入射光的Stokes矢量，Sout表示出射光的Stokes矢量；

Mθ表示特定角度θ的偏振片所对应的Muller矩阵；

I表示入射光的总强度，Q为入射光的水平与垂直方向之间的偏振差异，U为入射光的+

45°和‑45°方向之间的偏振差异，V表示入射光的左旋和右旋圆偏振之间的差异；

I′表示出射光的总强度，Q′为出射光的水平与垂直方向之间的偏振差异，U′为出射光的+45°和‑45°方向之间的偏振差异，V′表示出射光的左旋和右旋圆偏振之间的差异；

根据同一物体不同角度偏振光强度图像在不同偏振角度但同一位置像素点对应的光强值In′，逆向解算出该位置像素点对应的入射光Stokes矢量Sin；

入射光Stokes矢量Sin的逆向求解表达式用式(2)表示，入射光参数V按照0计算；

其中，I1′、I2′、I3′分别表示该位置像素点在第一个偏振角θ1图像中测得的光强度、在第二个偏振角θ2图像中测得的光强度、在第三个偏振角θ3图像中测得的光强度；

针对每组偏振光强度图像，根据公式(1)和公式(2)解算出同一物体不同角度偏振光强度图像的Stokes矢量图像，结合该组偏振光强度图像的标签数据，共同构成Stokes数据集。

3.根据权利要求1所述的偏振光图像的处理方法，其特征在于，所述步骤2具体为：

针对Stokes矢量数据集中的每张Stokes矢量图，遍历每一个像素点，根据Stokes矢量与偏振角AOP和偏振度DOP的计算关系式(3)和式(4)，计算出对应像素的AOP和DOP值；

其中，I表示入射光的总强度，Q为入射光的水平与垂直方向之间的偏振差异，U为入射光的+45°和‑45°方向之间的偏振差异，V表示入射光的左旋和右旋圆偏振之间的差异；

根据公式(3)和(4)得到的AOP和DOP值生成新的偏振角图像和偏振度图像，然后将偏振角图像和偏振度图像与每组偏振光强度图像对应的标签数据共同构成偏振图像数据集。

4.根据权利要求1所述的偏振光图像的处理方法，其特征在于，所述步骤7具体为：

步骤7.1.首先利用步骤1对待识别图像进行Stokes矢量解算，然后利用步骤4对Stokes矢量计算后的结果进一步进行线性映射偏振解算；

步骤7.2.利用步骤6得到的线性映射偏振图像识别模型，对经过步骤4线性映射偏振解算后得出的线性映射偏振图像，进行相应的图像识别，获得图像识别结果。

5.一种用于实现如权利要求1所述的偏振光图像的处理方法偏振光图像处理系统，其特征在于，所述偏振光图像处理系统包括：Stokes矢量解算模块，用于对偏振光强度图像训练集中的每组偏振光强度图像进行Stokes矢量解算，得到对应的Stokes矢量图；

将Stokes矢量图结合相应的标签数据组成Stokes矢量数据集；

传统偏振光融合解算模块，用于针对Stokes矢量数据集中每张Stokes矢量图，通过传统偏振光融合解算方式解算出偏振图像数据集；

其中，偏振图像数据集中每组偏振图像包括偏振角图像和偏振度图像；

量化参数计算模块，用于根据得到的Stokes矢量图和得到的偏振图像计算量化参数，其中，量化参数包括斜率参数a、c和偏置参数b、d；

线性映射偏振解算模块，用于将得到的Stokes矢量数据集，结合量化参数a、b、c、d，根据线性映射偏振解算算法解算得到线性映射偏振图像数据集；

其中，线性映射偏振图像数据集中每一组线性映射偏振图像包括线性映射偏振角图像和线性映射偏振度图像；

偏振识别网络模块，用于根据获得的偏振图像数据集进行偏振识别网络模型训练，得到传统偏振图像识别模型；

迁移学习模块，用于根据获得的线性映射偏振图像数据集，结合传统偏振图像识别模型进行迁移学习，获得线性映射偏振图像识别模型；

以及偏振图像识别模块，利用获得的线性映射偏振图像识别模型对偏振光相机采集到的待识别图像进行偏振图像识别，得到偏振图像识别结果。

6.一种计算机设备，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，其特征在于，所述处理器执行所述可执行代码时，实现如权利要求1至4任一项所述的偏振光图像处理方法的步骤。

7.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时，实现如权利要求1至4任一项所述的偏振光图像处理方法的步骤。