1.一种基于侧扫声呐目标识别的声强与图像耦合方法，其特征在于，包括以下步骤：S1、采用声强特征提取网络对声强域进行特征分析和提取，采用图像特征提取网络对图像域进行特征分析和提取；

S2、采用通道特征表示寻找两个域的潜在关系，声强域包含声强通道和信息融合通道，图像域包含图像通道和信息融合通道，同一域中的两类通道共享相同的初步特征提取，两个域中的信息融合通道进行融合寻找共同表示，声强通道和图像通道提取各自的特征表示；

S3、输出声强识别、图像识别和耦合识别；

步骤S1中，采用声强特征提取网络进行特征分析和提取，得到声强信息S；采用图像特征提取网络进行特征分析和提取，得到声学图像信息I；

设训练集为{S,I}，S的数据形式为h×p，I的数据形式为c×h'×w，其中，h在数据集S中属于声强信息的通道；p为声强信息的采样点；c为输入声学图像的通道数；h’在数据集I中表示图像的宽，与声强信息通道h相等；w为图像的长；

输入的S和I数据先经过下采样卷积操作：S＝conv(S)，

I＝conv(I)，

分别采用声强特征提取网络NS(·)和图像特征提取网络NI(·)进行特征分析和提取；

声强特征提取网络NS(·)的输出如下：声强特征提取网络NS(·)的具体展开步骤如下所述：将S重塑得到B、C、D：

B＝C＝D＝reshape(S)，将B和C进行矩阵乘法操作和softmax处理得到E：最终增强结果为G：

最后经过上采样卷积操作：

图像特征提取网络NI(·)的输出如下：图像特征提取网络NI(·)的具体展开步骤如下所述：将I经过3×3和5×5卷积核处理得到的不同特征图M1和M2，并相加得到M：M＝M1+M2，

对M进行池化：

其中，H和W分别为特征图M的长和宽；

然后进行如下操作：

Z＝δ(η(P))，

A＝φ(Z)，

其中，η(·)为归一化处理，δ(·)为全连接操作，Z为全连接结果；φ(·)为softmax处理，A为权重；

将特征图M1和M2分别与权重A相乘后相加，得到Y：Y＝Y1+Y2＝AM1+AM2，Y为得到的不同尺度图像域的表示；

最后经过上采样卷积操作：

步骤S2中，声强通道表示如下：图像通道表示如下：

S I

其中，CS(·)和CI(·)为卷积核为1×1的卷积操作；θ和θ 分别表示声强域和图像域的参数；

信息融合通道表示如下：

F

其中，F(S,I)(·)为卷积核为1×1的卷积操作，θ为两个域的融合参数；步骤S3中，将声强通道SC与信息融合通道SF数据结合输出声强域识别SFC：将图像通道IC与信息融合通道SF数据结合输出图像域识别IFC：对SFC和IFC分别进行池化，得到拥有共同空间尺寸的SFC'和IFC’，然后进行结合，输出耦合识别O：其中，H’和W’表示SFC'和IFC’空间尺寸长和宽；

识别结果输出P’为SFC、IFC、O共同判定：其中，PA(·)表示三者识别的准确率。

2.根据权利要求1所述的基于侧扫声呐目标识别的声强与图像耦合方法，其特征在于，步骤S1中，侧扫声呐传感器探测过程中，当扫测到声强信息与背景信息不一致的目标物后，此时声强信息会产生波动；

根据声强与像素之间的关系，将声强作为声强域的输入，将像素作为图像域的输入。

3.根据权利要求1所述的基于侧扫声呐目标识别的声强与图像耦合方法，其特征在于，当P’大于阈值0.5时，则认定识别到目标物种类；反之，则未识别到目标物。