1.一种声呐目标检测方法，其特征在于，包括步骤：S1：连续采集前视声呐帧序列，计算局部相干图与梯度不变纹理图并融合生成复合流向张量，写入场景缓存；S2：从复合流向张量中提取阴影连贯性场，驱动各向异性分水岭算法生成初始连通图，同时记录边缘方向场；S3：将初始连通图映射为形态上下文图结构，依据边缘方向场设定邻接权重，通过图割分离连片高亮区并生成子目标簇集合，结果写入候选缓冲；S4：针对候选缓冲中的每个子目标簇，先计算回波平稳余度与阴影落差分异度，再输入训练好的机器学习模型获得保留优先系数；保留优先系数低于自适应阈限的簇转入噪声池，其余簇加入有效目标集；S5：依据有效目标集生成定向轮廓包络并推送导航模块，同时将包络信息与复合流向张量耦合，更新场景缓存引导下一帧处理。
2.根据权利要求1所述的一种声呐目标检测方法，其特征在于，步骤S1包括以下内容：连续采集前视声呐帧序列；对声呐图像帧序列中的每一帧，采用滑动窗口法计算窗口内像素间的相干性，生成每帧的相干图，再对所有帧的相干图取时间平均值生成局部相干图；对声呐图像帧序列中的每一帧，计算像素点的水平和垂直方向梯度分量，得到梯度幅值和方向，对梯度幅值进行归一化，生成每帧的纹理图，再对所有帧的纹理图取时间平均值生成梯度不变纹理图。
3.根据权利要求2所述的一种声呐目标检测方法，其特征在于，步骤S1还包括以下内容：将局部相干图的值作为复合流向张量的主对角线元素，将梯度不变纹理图的值作为复合流向张量的非对角线元素，生成2行2列的复合流向张量；将复合流向张量写入场景缓存。
4.根据权利要求3所述的一种声呐目标检测方法，其特征在于，步骤S2包括以下内容：从复合流向张量中分离出相干性分量，对相干性分量进行映射处理生成阴影连贯性场；以阴影连贯性场作为标记图确定种子点，计算声呐图像的梯度图，应用各向异性分水岭算法从种子点出发沿梯度下降方向扩展区域，生成初始连通图；对初始连通图中连通区域的边界像素，计算其边缘方向场，记录边界像素的梯度方向。
5.根据权利要求4所述的一种声呐目标检测方法，其特征在于，步骤S3包括以下内容：将初始连通图中的每个连通区域视为一个节点，识别相邻连通区域之间的公共边界像素集合，计算公共边界像素集合上的形态上下文特征以构建形态上下文图结构；依据边缘方向场计算形态上下文图结构中每条边的邻接权重，邻接权重通过量化公共边界像素集合中边缘方向与平均边缘方向的偏差确定。
6.根据权利要求5所述的一种声呐目标检测方法，其特征在于，步骤S3还包括以下内容：应用归一化图割算法，通过最小化归一化切割成本将形态上下文图结构划分为多个子图，每个子图对应一个子目标簇，生成子目标簇集合；将子目标簇集合写入候选缓冲。
7.根据权利要求6所述的一种声呐目标检测方法，其特征在于，步骤S4包括以下内容：从候选缓冲中提取每个子目标簇，并在极坐标系下将子目标簇划分为多个扇区，在每个扇区内计算回波强度的四分位距差，沿子目标簇的流向对四分位距差进行指数衰减积分以生成回波平稳余度；对每个子目标簇提取边缘像素集合，计算簇边缘内外回波强度跌落值，依据跌落值和边缘像素数量生成阴影落差分异度。
8.根据权利要求7所述的一种声呐目标检测方法，其特征在于，步骤S4还包括以下内容：将回波平稳余度和阴影落差分异度输入训练好的支持向量机模型，生成保留优先系数；依据保留优先系数与自适应阈限的比较结果，将子目标簇分类为有效目标或噪声纹理，并更新有效目标集和噪声池。
9.根据权利要求8所述的一种声呐目标检测方法，其特征在于，步骤S5包括以下内容：从有效目标集中生成定向轮廓包络，通过提取有效目标集中每个子目标簇的轮廓像素并利用边缘方向场为每个轮廓像素赋予方向信息；将定向轮廓包络传输至导航模块，通过将所有子目标簇的轮廓包络整合成统一集合并通过数据接口发送此集合。
10.根据权利要求9所述的一种声呐目标检测方法，其特征在于，步骤S5还包括以下内容：将定向轮廓包络信息与复合流方向张量耦合，通过在复合流方向张量中标记轮廓像素并附加目标标记组件至复合流方向张量形成增强复合流方向张量；更新场景缓存以指导下一帧处理，通过使用增强复合流方向张量替换场景缓存中前一帧的张量数据，从而使当前帧的目标信息用于下一帧的特征提取。
