1.一種基于多尺度生成對抗網絡的偽裝圖像生成方法，其特征在于，包括以下步驟：

構建多尺度生成對抗網絡模型，并嵌入風格轉換網絡，所述多尺度生成對抗網絡模型包括多個尺度，每個尺度包括生成器、風格轉換網絡以及判別器，所述生成器、風格轉換網絡、判別器依次連接，所述風格轉換網絡用于對風格特征進行定向訓練，包括預訓練的分類網絡VGG-19、GRAM矩陣以及步長卷積；所述多個尺度由下向上層層堆疊，尺度大小及其輸入圖像大小由下向上逐漸增大且最小尺度的輸入為隨機噪聲，每一層相應的操作完成后才能進行上一層尺度的操作；利用多尺度生成對抗網絡模型進行訓練和應用，具體為：

多尺度生成對抗網絡模型的訓練階段，包括下述步驟：

將隨機噪聲圖作為最小尺度生成器的輸入；

判別訓練，生成器生成虛假圖像，并與縮放到同等大小的背景圖一起輸入到風格轉換網絡和判別器，進行判別訓練；

將當前尺度生成器的生成圖像輸入到上一層尺度；

重復執行判別訓練、輸入到上一層尺度步驟的操作，直至最頂端尺度執行完判別訓練、輸入到上一層尺度步驟，完成多尺度生成對抗網絡模型對背景圖的擬合與訓練；

多尺度生成對抗網絡模型的應用階段：

選擇除了最小尺度以外的任一尺度作為初始尺度；

傳入多尺度生成對抗網絡模型初始圖像，將粘貼了待隱藏目標的背景圖放縮到初始尺度大小，并進行混合疊加的預處理，作為當前尺度輸入；

當前尺度圖像生成，生成器的生成圖像與縮放到同等大小的粘貼了待隱藏目標的背景圖進行混合操作；

輸入到上一層尺度，將當前尺度生成器的生成圖像的放大結果輸入到上一層尺度；

重復當前尺度圖像生成、輸入到上一層尺度步驟的操作，直至最頂端尺度執行完相應操作，輸出最終的偽裝圖像。