1.一种水下大坝表面裂缝识别方法，其特征在于，包括：S1：将拍摄的图像进行预处理，输入水下大坝表面有裂缝和无裂缝的彩色图像，作为母图像，利用PGGAN模型生成更多的水下大坝表面图像；

S2：构造训练数据，对生成的图像进行配对形成图像对，将图像对做傅里叶变换，获得图像对的频域分布图像的图像对，两图像对构成图像组；

S3：将图像组输入到CNN特征提取器中获取特征，构建训练模型并计算图像组中两图像对的特征空间距离；

S4：根据特征空间距离判断图像组中两图像对是否属于同一类别，若不属于同一类别，则计算图像组中两图像对特征空间距离的损失；

S5：将损失回传至训练模型中，并调整训练模型的参数，重复步骤S3至步骤S4，直至训练模型准确度达到预设值；

S6：对训练模型进行验证，分别输入有裂缝和无裂缝图像的预设数据集到训练模型中进行训练，将训练结果与预设的特征空间距离比对以获得二者的预测准确率，若准确率较低则调整模型参数并重复步骤S3，直到训练模型预测准确率达到预设值；

S7：输入需要识别的图像至训练模型中，获得图像是否存在裂缝的判断结果。

2.根据权利要求1所述的水下大坝表面裂缝识别方法，其特征在于，在所述利用PGGAN模型生成更多的水下大坝表面图像步骤中，包括：在预先设置的至少一个状态数据参数中，确定母图像和生成图像的状态类型参数；

调取需要融合的素材，并转换至相同的状态数据参数；

对母图像进行小波分解；

确认素材镶嵌在母图像上不同的位置坐标，并将素材融合在图像中；

进行小波逆变换，得到生成图像。

3.根据权利要求2所述的水下大坝表面裂缝识别方法，其特征在于，所述在预先设置的至少一个状态数据参数中，确定母图像和生成图像的状态类型参数步骤中，所述状态数据参数包括图像分辨率和图像颜色；

所述图像分辨率包括：4x4到8x8，……，1024x1024，其中的一种或多种。

4.根据权利要求2所述的水下大坝表面裂缝识别方法，其特征在于，在所述对母图像进行小波分解步骤中，包括：对母图像进行水平低通和高通滤波后对图像进行采样，随后对母图像进行垂直低通和高通滤波后进行采样，同时得到母图像的轮廓图像、水平方向细节图像、垂直方向细节图像和对角线方向细节图像。

5.根据权利要求2所述的水下大坝表面裂缝识别方法，其特征在于，在匹配素材镶嵌在母图像上的位置信息，并将素材融合在图像中步骤中，包括：若所述素材的位置坐标设于母图像范围内，则采用居中融合的方式；

若所述素材的位置坐标设于所述母图像的边缘上，则采用边缘融合的方式；

若所述素材的位置坐标部分设于母图像范围内，则采用部分融合的方式。

6.根据权利要求2所述的水下大坝表面裂缝识别方法，其特征在于，在所述确认素材镶嵌在母图像上不同的位置坐标，并将素材融合在图像中的步骤内，包括：采用加权平均算法将素材融合于母图像重合的区域中；

在加权平均算法中，素材P融合在母图像Q中，令加权函数W（x）为0到1的单调递减函数，且0≤W（x）≤1，则融合区域的合成图像为R：。

7.根据权利要求1所述的水下大坝表面裂缝识别方法，其特征在于，在所述S7步骤中，包括：输入需要识别的图像至训练模型中，图像进行傅里叶变换后放入与三种图像对的特征空间距离形成的合集中，判断图像是否存在裂缝。

8.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的水下大坝表面裂缝识别方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的水下大坝表面裂缝识别方法的步骤。