1.一种多层级边缘增强融合的伪装目标分割方法，其特征在于，包括以下步骤：S1、提取输入图像的多层次特征，所述多层次特征包括第二‑第五特征，将第二‑第五特征输入边缘提取模块，得到边缘特征；

通过Res2Net‑50网络提取输入图像的多层次特征，所述第二‑第五特征的通道数分别为256、512、1024和2048；

边缘特征 的表达式具体为：

式中， 为集成特征，其通过第二‑第五特征集成得到， 为1×1卷积操作，为相乘操作，为Sigmoid函数，GAP(·) 为全局平均池化操作， 为卷积核为k的一维卷积操作，k为自适应卷积核大小，其表达式具体为下式：式中，C为设定的通道数， 为取最近的奇数通式；

S2、将第二‑第五特征输入残差纹理增强模块，得到精细化的第二‑第五特征；

残差纹理增强模块包括主分支和第一‑第四负分支，其中，所述主分支和第一负分支的输入为输入特征，所述第二‑第四负分支的输入为前一个负分支上采样后的输出与输入特征的相加结果；

其中，所述输入特征为第二特征、第三特征、第四特征或第五特征；

得到精细化的第二‑第五特征的方法具体为得到精细化的输入特征的方法，其具体为：将第一‑第四负分支的输出进行拼接后，将拼接结果进行3×3卷积并与组分支的输出相加，将相加结果输入至ReLU函数，得到精细化的输入特征；

S3、将第五特征输入金字塔池化模块，得到全局先验信息；

S4、将边缘特征、精细化的第二‑第五特征和全局先验信息输入边缘引导融合模块，通过边缘引导融合模块进行自上而下地融合操作，得到最终的伪装目标预测结果，完成伪装目标分割。

2.根据权利要求1所述的多层级边缘增强融合的伪装目标分割方法，其特征在于，所述集成特征 的表达式具体为：式中， 为拼接操作， 为3×3卷积操作， 为上采样操作， 为第二特征， 为第三特征， 为第四特征， 为第五特征， 为通道数为64的第二特征， 为通道数为64的第三特征， 为通道数为64的第四特征， 为通道数为64的第五特征。

3.根据权利要求1所述的多层级边缘增强融合的伪装目标分割方法，其特征在于，所述第一‑第四负分支的扩张率分别为1、3、5和7；

所述主分支和第一负分支均设置有1×1卷积；

所述第二负分支包括依次连接的1×1卷积、1×3卷积、3×1卷积和3×3卷积；

所述第三负分支包括依次连接的1×1卷积、1×5卷积、5×1卷积和5×5卷积；

所述第四负分支包括依次连接的1×1卷积、1×7卷积、7×1卷积和7×7卷积。

4.根据权利要求1所述的多层级边缘增强融合的伪装目标分割方法，其特征在于，所述S4中，所述边缘引导融合模块进行第一‑第三层次的自上而下地融合操作，每个层次的自上而下地融合操作均得到对应的融合特征和伪装目标预测结果；

所述S4包括以下分步骤：

S41、将边缘特征和全局先验信息输入边缘引导融合模块，将精细化的第四特征和精细化的第五特征分别作为低分辨率特征和高分辨率特征输入边缘引导融合模块，进行第一层次的自上而下地融合操作，得到第一层次的融合特征，并将其作为第一伪装目标预测；

S42、将边缘特征和全局先验信息输入边缘引导融合模块，将精细化的第三特征和第一层次的融合特征分别作为低分辨率特征和高分辨率特征输入边缘引导融合模块，进行第二层次的自上而下地融合操作，得到第二层次的融合特征，并将其作为第二伪装目标预测；

S43、将边缘特征和全局先验信息输入边缘引导融合模块，将精细化的第二特征和第二层次的融合特征分别作为低分辨率特征和高分辨率特征输入边缘引导融合模块，进行第三层次的自上而下地融合操作，得到第三层次的融合特征，并将其作为第三伪装目标预测；

S44、将第三伪装目标预测作为最终的伪装目标预测结果，完成伪装目标分割。

5.根据权利要求4所述的多层级边缘增强融合的伪装目标分割方法，其特征在于，进行所述第一‑第三层次的自上而下地融合操作的方法相同，其具体为：SA1、根据边缘特征、低分辨率特征和高分辨率特征计算边缘增强后的特征；

SA2、根据边缘增强后的特征、全局先验信息、低分辨率特征和高分辨率特征计算融合特征，完成第一‑第三层次的自上而下地融合操作。

6.根据权利要求5所述的多层级边缘增强融合的伪装目标分割方法，其特征在于，所述SA1中，计算边缘增强后的特征 的表达式具体为：式中， 为低分辨率特征， 为高分辨率特征， 为上采样操作， 为相加操作，为边缘特征；

所述SA2中，计算融合特征 的表达式具体为：

式中， 为全局先验信息， 为相减操作， 为相乘操作， 为3×3卷积操作，M(·)为多尺度通道注意力模块。

7.根据权利要求5所述的多层级边缘增强融合的伪装目标分割方法，其特征在于，所述S4中，边缘引导融合模块进行自上而下地融合操作受到真值图的监督，所述真值图的监督的损失函数 的表达式具体为：式中， 为加权二值交叉熵损失， 为加权交并比损失， 为dice损失， 为第一伪装目标预测， 为第二伪装目标预测， 为第三伪装目标预测， 为边缘预测，G为真值图， 为边缘真值图，为权衡参数。