1.一种基于生成对抗网络的红外目标样本增强方法，包括训练阶段和应用阶段，其特征在于，所述训练阶段由真实红外图像处理模块、判别网络模块、判别输出模块、随机噪声模块、生成网络模块组成，所述训练阶段包括以下步骤：S1：通过真实红外图像处理模块将用于训练的红外图像进行处理进而得到真实红外样本，随后将真实红外样本输入至判别网络模块；

S2：通过随机噪声模块输出均匀噪声至生成网络模块进而得到生成红外样本，生成网络模块将生成红外样本输入至判别网络模块；

S3：真实红外样本、生成红外样本分别输入至判别网络模块并且对其进行判别；

S4：判别网络模块分别将真实红外样本、生成红外样本输入至判别输出模块并且计算真实红外样本与生成红外样本之间的分布距离，采用梯度下降法优化两者之间的距离，利用反向传播法优化判别网络模块参数ω和生成网络模块参数θ；

S5：直至判别网络模块无法有效识别真实红外样本、生成红外样本，生成红外样本可以以假乱真；

所述应用阶段由随机噪声模块、生成网络模块、生成输出模块组成，所述应用阶段包括以下步骤：T1：载入训练好的参数至生成网络模块，随机噪声模块把均匀噪声输入至生成网络模块；

T2：生成网络模块持续输出生成红外样本并且将生成红外样本输入至生成输出模块；

T3：生成输出模块保存生成红外样本为指定格式。

2.根据权利要求1所述的一种基于生成对抗网络的红外目标样本增强方法，其特征在于，所述判别网络模块包括降噪层、三个卷积层和一个全链接层，所述降噪层由K个降噪器DN1,DN2,…,DNk、K个权重系数δ1,δ2,…,δk和加法器组成，所述S3包括以下步骤：S3‑1:样本进入降噪层后，利用降噪器对样本进行降噪并且获得降噪后图像{y1,y2,…,yk}；

S3‑2：降噪器输出的图像乘以权重系数，随后在加法器中融合，进而得到初步优化图像并满足约束S3‑3：经过降噪后的样本依次进入卷积层1、卷积层2、卷积层3、全链接层；

S3‑4：输入的是真实红外样本，输出真；输入的是生成红外样本，输出假。

3.根据权利要求1所述的一种基于生成对抗网络的红外目标样本增强方法，其特征在于，所述生成网络模块包括全连接层、三个反卷积层和噪声层，所述S2中的均匀噪声依次进入全链接层、反卷积层1、反卷积层2、反卷积层3、噪声层并且输出生成红外样本。

4.根据权利要求1‑3任一所述的一种基于生成对抗网络的红外目标样本增强方法，其特征在于，构造训练网络损失函数，生成红外样本分布与真实红外样本分布差值并且加上惩罚项，如下：δk是常系数，DNk是确定的降噪器，K＝3；

x～Pdata(x)是真实样本分布,Pg是生成样本分布，定义生成样本 是噪声z在生成网络G下的分布；

x是真实样本，Dω是判别网络， 是优化后的真实样本与生成样本连线上随机插值采样，

5.根据权利要求4所述的一种基于生成对抗网络的红外目标样本增强方法，其特征在于，所述S4中包括以下步骤：S4‑1：固定生成网络模块，训练判别网络模块，生成网络模块更新一次，判别网络模块迭代五次；

S4‑2：固定判别网络模块，训练生成网络模块；

S4‑3：不停重复S4‑1、和S4‑2操作，直到训练网络损失函数取得最小值并不在变化，此时系统性能达到最优。