1.一种遥感图像云影检测方法，其特征在于，包括：

获取光学遥感图像数据，将光学遥感图像数据输入窗口注意力模块中提取多尺度空间特征，采用小波变换在频域中对多尺度空间特征进行分解，生成低频子带和高频子带；

将低频子带和高频子带输入云影特征空频增强模块，生成云影特征增强信号；

根据云影特征增强信号获取瓶颈特征，将瓶颈特征输入云影异构特征解耦模块，获取云语义特征图和云影语义特征图；根据云语义特征图和云影语义特征图，获取干净的云特征和干净的云影特征；

根据干净的云特征和干净的云影特征，计算异构质心偏移矢量；

根据干净的云特征、干净的云影特征和异构质心偏移矢量，获取伪云特征图和伪云影特征图，根据干净的云特征、干净的云影特征、伪云特征图和伪云影特征图，计算双向纹理匹配得分，并获取边缘保护门控权重；根据双向纹理匹配得分和边缘保护门控权重，生成自适应增强因子；

根据自适应增强因子、云语义特征图和云影语义特征图，获取增强的云语义特征图和增强的云影语义特征图，将增强的云语义特征图和增强的云影语义特征图送入双头解码器完成云影分割，并通过双头解码器在几何一致性损失的约束下重构增强的云语义特征图和增强的云影语义特征图，同时输出云与云影的像素级掩码，完成检测工作。

2.根据权利要求1所述的一种遥感图像云影检测方法，其特征在于，所述将低频子带和高频子带输入云影特征空频增强模块，生成云影特征增强信号，包括：根据低频子带和暗感知门控生成空间权重图，具体表达式如下：

式中： 为空间权重图，为Sigmoid激活函数， 为卷积核大小为3的卷积操作， 为低频子带；

将高频子带转换至复数频率域，利用双向互相关补偿机制计算云与云影之间的互相关频谱，具体表达式如下：式中： 为水平方向的高频子带， 为垂直方向的高频子带， 为快速傅里叶变换， 为共轭运算， 为可学习的相位旋转补偿因子， 为转换至复数频率域的， 为转换至复数频率域的 ， 为汉宁窗，为互相关频谱；

获取暗感知权重，利用动态频谱码本对互相关频谱进行筛选，保留符合云影共生条件的频谱，重构生成云影增强信号，结合空间权重图和暗感知权重，对高频子带进行物理一致性增强，获取增强的高频子带，基于低频子带和增强的高频子带进行逆小波变换，生成云影特征增强信号，具体表达式如下：式中： 为云影增强信号， 表示逆快速傅里叶变换， 表示动态频谱码本，为用于防止分母为零的预设常数， 为增强后的 ， 为增强后的 ，为云影特征增强信号， 为对角线方向的高频子带， 为逆小波变换，为暗感知权重，为可学习的增强函数。

3.根据权利要求1所述的一种遥感图像云影检测方法，其特征在于，所述根据云影特征增强信号获取瓶颈特征，包括：将云影特征增强信号进行维度展平与转置，而后输入线性层中实现维度压缩，将压缩后的云影特征增强信号输入下一层窗口注意力模块进行重复操作得到高维特征，根据高维特征生成瓶颈特征，具体表达式如下：式中： 为瓶颈特征， 为ReLU激活函数， 为组归一化， 为卷积核大小为3的卷积操作， 为高维特征；

所述将瓶颈特征输入云影异构特征解耦模块，获取云语义特征图和云影语义特征图，包括：将瓶颈特征输入云影异构特征解耦模块，通过通道投影形成两组独立的云原型向量和云影原型向量，根据云原型向量和云影原型向量，获取云语义特征图和云影语义特征图，具体表达式如下：式中： 为云语义特征图， 为云影语义特征图， 表示第k个云原型向量， 表示第k个云影原型向量，k为云原型向量和云影原型向量的数量；

所述根据云语义特征图和云影语义特征图，获取干净的云特征和干净的云影特征，包括：根据云语义特征图、云影语义特征图和瓶颈特征，计算云相似度和云影相似度，具体表达式如下：式中： 为云相似度， 为云影相似度， 为归一化指数函数， 为可学习的投影矩阵， 为 的转置形式， 为 的转置形式， 为缩放因子；

根据云相似度和云影相似度，对云增强信号和云影增强信号进行加权聚合，将其残差映射回原始特征空间，经过重构获取干净的云特征和干净的云影特征，具体表达式如下：式中： 为干净的云特征， 为干净的云影特征， 为梯度裁剪算子，为云增强信号， 为云影增强信号， 为 的转置形式， 为 的转置形式。

4.根据权利要求3所述的一种遥感图像云影检测方法，其特征在于，所述根据干净的云特征和干净的云影特征，计算异构质心偏移矢量，包括：将干净的云特征和干净的云影特征映射至同一物理坐标空间，利用激活热力图作为权重，对预设的坐标矩阵Z进行加权平均，计算云的物理质心坐标和云影的物理质心坐标，具体表达式如下：式中： 表示通道维度经过均值池化的二维云特征热力图， 表示通道维度经过均值池化的二维云影特征热力图，C表示特征通道数， 表示坐标矩阵Z中横坐标为i、纵坐标为j的像素点坐标， 表示坐标矩阵的宽度，表示坐标矩阵的高度，为用于防止分母为零的预设常数， 为云的物理质心坐标， 为云影的物理质心坐标， 表示 中横坐标为i、纵坐标为j的像素点坐标， 表示 中横坐标为i、纵坐标为j的像素点坐标；

根据云的物理质心坐标和云影的物理质心坐标，计算异构质心偏移矢量，具体表达式如下：式中： 为异构质心偏移矢量。

5.根据权利要求4所述的一种遥感图像云影检测方法，其特征在于，所述根据干净的云特征、干净的云影特征和异构质心偏移矢量，获取伪云特征图和伪云影特征图，包括：将干净的云特征、干净的云影特征和异构质心偏移矢量输入正向仿射变换矩阵和反向仿射变换矩阵中，根据正向仿射变换矩阵和反向仿射变换矩阵，获取伪云特征图和伪云影特征图，具体表达式如下：式中： 为正向仿射变换矩阵， 为反向仿射变换矩阵， 为干净的云特征与伪云特征之间的横向距离， 为干净的云特征与伪云特征之间的纵向距离，为双线性差值重采样， 为生成采样网络； 为伪云特征图， 为伪云影特征图， 为仿射变换算子；

根据干净的云特征、干净的云影特征、伪云特征图和伪云影特征图，计算双向纹理匹配得分，具体表达式如下：式中： 为干净的云特征的纹理分量， 为干净的云影特征的纹理分量， 表示通道压缩与纹理特性提取算子， 为伪云特征图的纹理分量， 为伪云影特征图的纹理分量，表示云映射到云影的匹配得分， 表示云影映射到云的匹配得分， 为双向纹理匹配得分；

所述获取边缘保护门控权重，具体表达式如下：

式中： 为云的预测厚度特征， 为云影的预测厚度特征， 表示云的厚度感知器，表示云影的厚度感知器，表示边缘保护门控权重；

所述根据双向纹理匹配得分和边缘保护门控权重，生成自适应增强因子，具体表达式如下：式中：表示自适应增强因子。

6.根据权利要求5所述的一种遥感图像云影检测方法，其特征在于，所述根据自适应增强因子、云语义特征图和云影语义特征图，获取增强的云语义特征图和增强的云影语义特征图，具体表达式如下：式中： 为增强的云语义特征图， 为增强的云影语义特征图，为补偿特征的缩放因子，□表示逐元素相乘。

7.根据权利要求4所述的一种遥感图像云影检测方法，其特征在于，所述几何一致性损失的获取，具体表达式如下：式中： 表示几何一致性损失， 表示归一化后的云的物理质心坐标， 表示归一化后的云影的物理质心坐标， 表示预测的第m个云所对应的期望云影位置，表示几何损失在总损失函数中的占比权重， 表示整个训练批次中成功提取的云影对的数目， 表示预测的云连通域质心集合， 表示预测的云影连通域质心集合，B表示预测总次数，b表示第b次预测， 表示最近邻匹配算子。

8.一种遥感图像云影检测系统，其特征在于，包括：

第一处理模块：用于获取光学遥感图像数据，将光学遥感图像数据输入窗口注意力模块中提取多尺度空间特征，采用小波变换在频域中对多尺度空间特征进行分解，生成低频子带和高频子带；

增强模块：用于将低频子带和高频子带输入云影特征空频增强模块，生成云影特征增强信号；

第二处理模块：用于根据云影特征增强信号获取瓶颈特征，将瓶颈特征输入云影异构特征解耦模块，获取云语义特征图和云影语义特征图；根据云语义特征图和云影语义特征图，获取干净的云特征和干净的云影特征；

第一计算模块：用于根据干净的云特征和干净的云影特征，计算异构质心偏移矢量；

第二计算模块：用于根据干净的云特征、干净的云影特征和异构质心偏移矢量，获取伪云特征图和伪云影特征图，根据干净的云特征、干净的云影特征、伪云特征图和伪云影特征图，计算双向纹理匹配得分，并获取边缘保护门控权重；根据双向纹理匹配得分和边缘保护门控权重，生成自适应增强因子；

检测模块：用于根据自适应增强因子、云语义特征图和云影语义特征图，获取增强的云语义特征图和增强的云影语义特征图，将增强的云语义特征图和增强的云影语义特征图送入双头解码器完成云影分割，并通过双头解码器在几何一致性损失的约束下重构增强的云语义特征图和增强的云影语义特征图，同时输出云与云影的像素级掩码，完成检测工作。

9.一种终端，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至7任一项所述方法的步骤。

10.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至7任一项所述方法的步骤。