1.一种水下光学图像识别方法，其特征在于，包括：获取水下光学的训练图像，并进行预处理生成训练图像数据矩阵；

将所述训练图像数据矩阵按列拼接生成图像数据增广矩阵；

构建引入双灵活度量自适应加权的2DPCA优化模型，将所述图像数据增广矩阵输入所述2DPCA优化模型计算最优的投影矩阵；

获取水下光学的待识别图像，并进行预处理生成待识别图像数据矩阵；

利用最优的所述投影矩阵对所述待识别图像数据矩阵和所述训练图像数据矩阵进行特征提取，将特征提取结果输入最近邻分类器进行水下目标识别；

其中，所述2DPCA优化模型的目标函数为：；

；

式中， 为输入矩阵的数量， 为输入矩阵的行数， 为第 个输入矩阵的第 行的元素， 为投影矩阵和投影矩阵的转置， 为范数范围，为单位向量， 为维单位矩阵， 为 的0矩阵；为方差与重构误差之间距离项的权重矩阵，为 的投影数据的方差与重构误差之间距离项的权重参数，；

所述计算最优的投影矩阵包括：S1、引入对角元素 ，对所述2DPCA优化模型的目标函数进行变换得到：；

；

式中， 为矩阵的迹；

S2、初始化投影矩阵 ；

S3、固定投影矩阵 ，对对角元素 进行更新：；

；

；

S4、固定对角元素 和投影矩阵 ，对权重参数 进行更新：令

；

对所述2DPCA优化模型的目标函数进行变换得到：；

；

定义所述2DPCA优化模型的目标函数的拉格朗日函数 ：；

式中，、 为拉格朗日乘子；拉格朗日函数 的KKT条件为：；

；

；

；

对所述拉格朗日函数 的KKT条件进行运算，可得：；

S5、基于对角元素 和权重参数 均固定，将 作为常数项，对所述2DPCA优化模型的目标函数进行变换得到：；

；

式中， ， ， 为图像

数据增广矩阵， 为第 个训练图像数据矩阵， 为第 个训练图像数据矩阵的第行的元素；为 构成的对角矩阵；

S6、由加权协方差矩阵 前 个最大特征值对应特征向量组成更新后的投影矩阵；

S7、根据投影矩阵 和投影矩阵 判断收敛条件 是否满足，若不满足，则令 并返回S3；

若满足，则采用Armijo线性搜索策略探寻满足 的投影矩阵 ，若搜索到投影矩阵 ，则令 并返回S3；

若搜索不到投影矩阵 ，则将投影矩阵 作为最优的投影矩阵输出。

2.根据权利要求1所述的水下光学图像识别方法，其特征在于，所述预处理包括中心化处理和灰度化处理。

3.一种水下光学图像识别装置，其特征在于，所述装置采用如权利要求1或2所述的水下光学图像识别方法，所述装置包括：训练数据处理模块，用于获取水下光学的训练图像，并进行预处理生成训练图像数据矩阵；

数据增广模块，用于将所述训练图像数据矩阵按列拼接生成图像数据增广矩阵；

模型优化模块，用于构建引入双灵活度量自适应加权的2DPCA优化模型，将所述图像数据增广矩阵输入所述2DPCA优化模型计算最优的投影矩阵；

待识别数据处理模块，用于获取水下光学的待识别图像，并进行预处理生成待识别图像数据矩阵；

目标识别模块，用于利用最优的所述投影矩阵对所述待识别图像数据矩阵和所述训练图像数据矩阵进行特征提取，将特征提取结果输入最近邻分类器进行水下目标识别。

4.一种电子设备，其特征在于，包括处理器及存储介质；

所述存储介质用于存储指令；

所述处理器用于根据所述指令进行操作以执行根据权利要求1或2所述方法的步骤。

5.一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，该程序被处理器执行时实现权利要求1或2所述方法的步骤。

6.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1或2所述方法的步骤。