1.基于层次域先验的光学-ISAR图像转换方法，其特征在于，所述方法包括：获取图像训练集，所述图像训练集中包括具有相同目标类别的多张ISAR训练图像以及光学训练图像；将所述图像训练集中的一组非配对ISAR训练图像以及光学训练图像输入跨模态转换网络中，得到对应的ISAR重构图像以及光学重构图像，所述图像输入跨模态转换网络包括两个生成器以及与各所述生成器对应的判别器；根据所述ISAR训练图像、光学训练图像、ISAR重构图像以及光学重构图像进行计算得到包括对抗损失函数、循环一致性损失函数以及一致性损失函数的总损失函数，表示为：在上式中， 以及 分别表示第一生成器以及第二生成器的对抗损失函数， 表示循环一致性损失函数， 表示一致性损失函数， 以及 分别表示循环一致性损失函数以及一致性损失函数的比例权重；通过尺度不变特征变换算法分别提取所述ISAR训练图像以及ISAR重构图像对应的散射点特征矩阵，根据所述散射点特征矩阵构建散射特征一致性损失函数，表示为：在上式中， 表示ISAR训练图像， 表示通过尺度不变特征变换算法提取ISAR训练图像的散射点特征矩阵， 表示通过第一生成器以及第二生成器构建的ISAR重构图像， 表示通过尺度不变特征变换算法提取ISAR重构图像的散射点特征矩阵；基于训练好的分类网络分别提取所述ISAR训练图像以及ISAR重构图像对应的分类特征，根据所述分类特征构建分类一致性损失函数；在每一次迭代训练中，根据所述总损失函数、散射特征一致性损失函数以及分类一致性损失函数对所述跨模态转换网络中生成器以及判别器进行更新；在累积预设次数的迭代训练时，基于元学习策略根据预设次数的散射特征一致性损失函数以及分类一致性损失函数构建元学习损失函数，根据所述元学习损失函数对所述跨模态转换网络中生成器进行更新，其中，所述元学习损失函数表示为：在上式中， 以及 分别表示散射特征一致性函数与分类特征一致性函数的权重参数， 表示元学习更新步骤，其中， 表示训练样本数量， 表示元学习更新间隔；直至各所述损失函数收敛，则得到训练好的跨模态转换网络；获取待转换光学目标图像，利用所述训练好的跨模态转换网络对所述待转换光学目标图像进行转换，得到对应的ISAR转换图像。
2.根据权利要求1所述的光学-ISAR图像转换方法，其特征在于，所述跨模态转换网络采用由两个生成对抗网络形成的闭环框架结构。
3.根据权利要求2所述的光学-ISAR图像转换方法，其特征在于，所述将所述图像训练集中的一组非配对ISAR训练图像以及光学训练图像输入跨模态转换网络包括：所述ISAR训练图像由第一生成器从ISAR图像域映射至光学图像域转化为对应的伪光学图像，再由第二生成器将所述伪光学图像从光学图像域映射ISAR图像域转化为对应的ISAR重构图像；所述光学图像由所述第二生成器从光学图像域映射至ISAR图像域转化为伪ISAR图像，再由所述第一生成器将所述伪ISAR图像从ISAR图像域映射至光学图像域转化为光学重构图像。
4.根据权利要求3所述的光学-ISAR图像转换方法，其特征在于，所述分类一致性损失函数表示为：在上式中， 表示交叉熵函数， 表示ISAR训练图像的分类标签， 表示训练好的分类网络。
5.根据权利要求4所述的光学-ISAR图像转换方法，其特征在于，所述利用所述训练好的跨模态转换网络对所述待转换光学目标图像进行转换包括：利用所述训练好的跨模态转换网络中第二生成器对所述待转换光学目标图像进行转换。
6.根据权利要求1-5任一项所述的光学-ISAR图像转换方法，其特征在于，所述ISAR训练图像、光学训练图像以及待转换光学目标图像中的目标均为卫星。
7.基于层次域先验的光学-ISAR图像转换装置，其特征在于，所述装置中实施上述权利要求1所述的基于层次域先验的光学-ISAR图像转换方法，所述装置具体包括：图像训练集获取模块，用于获取图像训练集，所述图像训练集中包括具有相同目标类别的多张ISAR训练图像以及光学训练图像；跨模态转换网络输入模块，用于将所述图像训练集中的一组非配对ISAR训练图像以及光学训练图像输入跨模态转换网络中，得到对应的ISAR重构图像以及光学重构图像，所述图像输入跨模态转换网络包括两个生成器以及与各所述生成器对应的判别器；总损失函数计算模块，用于根据所述ISAR训练图像、光学训练图像、ISAR重构图像以及光学重构图像进行计算得到总损失函数；散射特征一致性损失函数构建模块，用于通过尺度不变特征变换算法分别提取所述ISAR训练图像以及ISAR重构图像对应的散射点特征矩阵，根据所述散射点特征矩阵构建散射特征一致性损失函数；分类一致性损失函数构建模块，用于基于训练好的分类网络分别提取所述ISAR训练图像以及ISAR重构图像对应的分类特征，根据所述分类特征构建分类一致性损失函数；生成器及判别器更新模块，用于在每一次迭代训练中，根据所述总损失函数、散射特征一致性损失函数以及分类一致性损失函数对所述跨模态转换网络中生成器以及判别器进行更新；基于元学习损失函数更新模块，用于在累积预设次数的迭代训练时，基于元学习策略根据预设次数的散射特征一致性损失函数以及分类一致性损失函数构建元学习损失函数，根据所述元学习损失函数对所述跨模态转换网络中生成器进行更新；训练好的跨模态转换网络得到模块，用于直至各所述损失函数收敛，则得到训练好的跨模态转换网络；光学-雷达ISAR图像转换模块，用于获取待转换光学目标图像，利用所述训练好的跨模态转换网络对所述待转换光学目标图像进行转换，得到对应的ISAR转换图像。
