1.一种基于随机重构的无监督图像到图像的转换方法，其特征在于：包括以下步骤：(1)将源域图片x输入到一个残差注意力网络G中，用于生成粗糙的图像G(x)，将生成的粗糙图像再输入到一个增强模块中用于对粗糙结果的精加工得到 并通过生成对抗损失来学习目标图像的分布，再通过随机重构损失来保持原图像的内容特征；

(2)将生成的粗糙结果G(x)及精细结果 分别输入到两个判别器中来指导残差注意力网络及增强模块的更新；

(3)通过预训练的VGG16网络来分别提取输出图片和源域图像x的高层特征，然后随机挑选一部分特征进行重构来保持源域的信息；

步骤(3)，包括以下子步骤：

(3.1)将粗糙结果G(x)和源域图像x分别送入预训练的VGG16网络用来提取深层特征，再随机挑选一部分特征，定义为Ri(x)，通过最小化粗糙结果G(x)和源域图像x的随机特征更新残差注意力网络，损失函数为：(3.2)对精细结果 和源域图像x分别送入预训练的VGG16网络用来提取深层特征，再随机挑选一部分特征，定义为Ri(x)，通过最小化精细结果 和源域图像x的随机特征更新残差注意力网络，损失函数为：其中，i表示随机选取特征所在的层数序号，Ci，Hi和Wi分别表示第i层的特征的深度，长度以及宽度。

2.根据权利要求1所述的一种基于随机重构的无监督图像到图像的转换方法，其特征在于：步骤(1)，包括以下子步骤：(1.1)将源域图像分别输入到一个主分支网络中和掩码分支网络中去，主分支网络和掩码分支网络都由一个卷积前端和一个转置卷积后端构成，主分支网络用来学习一个源域到目标域的映射，掩码网络用来学习一个掩码权重并对主分支网络进行加权修正，以此来提高主分支网络的特征表达能力；

(1.2)将粗糙结果G(x)输入到增强模块，对生成结果进行加工；

(1.3)增强模块由两个DenseASPP模块构成，极大的丰富生成图像的细节。

3.根据权利要求1所述的一种基于随机重构的无监督图像到图像的转换方法，其特征在于：步骤(2)，包括以下子步骤：(2.1)将粗糙结果G(x)和目标域图像y分别送入判别器D1，更新判别器D1和残差注意力网络G，其目标函数为：(2.2)将精细结果 和目标域图像y分别送入判别器D2，用来更新判别器、残差注意力网络以及增强模块，其目标函数为：其中， 代表由残差注意力网络和增强模块构成的整个生成网络。

4.根据权利要求1所述的一种基于随机重构的无监督图像到图像的转换方法，其特征在于：步骤(2)，判别器D1的输入是粗糙结果G(x)及目标域的图像y，判别器D2的输入是精细结果 及目标域的图像y。

5.根据权利要求1所述的一种基于随机重构的无监督图像到图像的转换方法，其特征在于：步骤(3)，输出图片为粗糙结果G(x)及精细结果 )。