1.一种基于双重对抗的生成式对抗网络的图像局部风格迁移方法，其特征在于，包括如下步骤：S1、采集两类图像；

S2、对所采集的两类图像进行预处理；

S3、构建带有自注意力机制的双重对抗网络，将经过预处理的两类图像分别输入双重对抗网络的最小化的损失函数中，对双重对抗网络进行训练；

S4、将经过训练的双重对抗网络中的生成器作为两类图像局部风格迁移的工具，并应用于实测。

2.根据权利要求1所述的基于双重对抗的生成式对抗网络的图像局部风格迁移方法，其特征在于：S1中所述两类图像包括真实第一类图像与真实第二类图像，所述真实第一类图像与真实第二类图像二者无需一一配对，所述真实第一类图像与真实第二类图像二者间的风格不同、且二者间具有相似性。

3.根据权利要求1所述的基于双重对抗的生成式对抗网络的图像局部风格迁移方法，其特征在于，S1所述采集两类图像，具体包括如下步骤：利用爬虫技术，从图片网站上爬取清晰的两类图像各两千张。

4.根据权利要求2所述的基于双重对抗的生成式对抗网络的图像局部风格迁移方法，其特征在于，S2中所述对所采集的两类图像进行预处理，具体包括如下步骤：对所述真实第一类图像与真实第二类图像进行筛选，去除两类图像中的模糊图像，将所有图像均设置为同一尺寸，随后将两类图像各自保存为训练样本。

5.根据权利要求4所述的基于双重对抗的生成式对抗网络的图像局部风格迁移方法，其特征在于，S3中所述双重对抗网络包括生成器、判别器及抑制器，所述生成器、判别器与所述生成器、抑制器同时进行对抗训练，所述生成器包括第一生成器及第二生成器，所述判别器包括第一判别器及第二判别器。

6.根据权利要求5所述的基于双重对抗的生成式对抗网络的图像局部风格迁移方法，其特征在于：在所述生成器和判别器的网络结构中均包括自注意力机制模块。

7.根据权利要求5所述的基于双重对抗的生成式对抗网络的图像局部风格迁移方法，其特征在于，S3中所述对双重对抗网络进行训练，具体包括如下步骤：S31、将所述真实第一类图像输入第一判别器中进行判别，同时将所述真实第一类图像输入第一生成器中、得到生成第二类图片，随后将生成第二类图片通过抑制器送入第二判别器中进行判别，同时将经过所述抑制器优化后的生成第二类图片通过第二生成器得到生成第一类图片；

S32、将所述真实第二类图像输入第二判别器中进行判别，同时将所述真实第二类图像输入第二生成器中、得到生成第一类图片，随后将生成第一类图片通过抑制器送入第一判别器中进行判别，同时将经过所述抑制器优化后的生成第一类图片通过第一生成器得到生成第二类图片；

S33、对所述第一生成器和第二生成器、所述第一判别器和第二判别器进行调整，以使得损失函数最小化。

8.根据权利要求5所述的基于双重对抗的生成式对抗网络的图像局部风格迁移方法，其特征在于，S3中所述损失函数的表达式为：L(G,F,DX,DY)＝LGAN(G,S,DY,X,Y)+LGAN(F,S,DX,Y,X)+λLcyc(G,S,F)+βLsup(G,S,F)，其中，上述各式中，G是第一生成器，F是第二生成器，S是抑制器，x是训练样本中的真实第一类图像，y是训练样本中的真实第二类图像，DX是第一判别器，DY是第二判别器，λ、β为可设定参数，LGAN是判别器损失，Lcyc是循环损失，Lsup是转换损失。