1.一种目标场景分类模型训练方法，其特征在于，包括：获取目标场景数据集，所述数据集包括多张带有标签的遥感图像信息；

对所述遥感图像信息进行特征提取并生成融合特征；对所述融合特征和所述遥感图像信息分别提取边缘信息，并将提取的所述边缘信息进行融合得到增强边缘特征；

将所述增强边缘特征和所述融合特征进行融合，得到边缘融合特征；

将所述边缘融合特征进行通道特征加强，得到加强边缘融合特征；

根据所述目标场景数据集中的全部所述标签和预设的标签共现关系确定每张所述遥感图像信息的标签特征；

将所述加强边缘融合特征和对应的所述标签特征进行融合，得到遥感图像综合特征；

将所述遥感图像综合特征输入分类器进行训练，得到目标场景分类模型；

所述根据所述目标场景数据集中的全部所述标签和预设的标签共现关系确定每张所述遥感图像信息的标签特征，包括：根据所述标签和预设的标签嵌入算法生成标签向量；根据所述标签和预设的所述标签共现关系生成标签共现矩阵；将所述标签向量和所述标签共现矩阵输入预设的图卷积网络，输出所述标签特征。

2.根据权利要求1所述的目标场景分类模型训练方法，其特征在于，所述对所述遥感图像信息进行特征提取并生成融合特征，包括：对所述遥感图像信息进行多尺度特征提取并生成深层特征，对所述遥感图像信息进行浅层特征提取并生成浅层特征；

将所述深层特征和所述浅层特征进行融合，得到所述融合特征。

3.根据权利要求2所述的目标场景分类模型训练方法，其特征在于，所述对所述遥感图像信息进行多尺度特征提取并生成深层特征，包括：获取多个预设卷积核；根据每个所述预设卷积核对所述遥感图像信息进行特征提取，得到对应的尺度特征；

将所述尺度特征进行融合，得到所述深层特征。

4.根据权利要求3所述的目标场景分类模型训练方法，其特征在于，所述将所述尺度特征进行融合，得到所述深层特征，包括：将全部所述尺度特征进行重采样，得到大小相等的所述尺度特征；

将大小相等的所述尺度特征进行融合，得到所述深层特征。

5.根据权利要求1所述的目标场景分类模型训练方法，其特征在于，所述对所述融合特征和所述遥感图像信息分别提取边缘信息，并将提取的所述边缘信息进行融合得到增强边缘特征，包括：通过边缘检测算子对所述融合特征进行边缘信息提取，生成融合特征边缘信息；

通过所述边缘检测算子对所述遥感图像信息进行边缘信息提取，生成遥感图像边缘信息；

将所述融合特征边缘信息和所述遥感图像边缘信息进行融合，得到增强边缘特征。

6.根据权利要求5所述的目标场景分类模型训练方法，其特征在于，所述将所述融合特征边缘信息和所述遥感图像边缘信息进行融合，得到增强边缘特征，包括：将所述遥感图像边缘信息进行重采样，生成重塑边缘信息；

将所述重塑边缘信息和所述融合特征边缘信息融合，生成所述增强边缘特征。

7.一种目标场景分类方法，其特征在于，包括：

获取待处理的遥感图像信息；将所述待处理的遥感图像输入训练好的所述目标场景分类模型，输出所述待处理的遥感图像信息中目标场景的分类结果；其中，所述训练好的目标场景分类模型采用如权利要求1至6任一项所述的目标场景分类模型训练方法训练得到。

8.一种电子设备，其特征在于，包括存储器和处理器；

所述存储器，用于存储计算机程序；

所述处理器，用于当执行所述计算机程序时，实现如权利要求1至6任一项所述的目标场景分类模型训练方法。

9.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1至6任一项所述的目标场景分类模型训练方法。