1.一种基于生成对抗网络的单幅图像阴影去除方法，其特征在于，所述方法包括：S1：获取非成对数据集U-SRD；

S2：以所述U-SRD中的阴影图像Is为输入，采用沃瑟斯坦生成对抗网络WGANs的生成器G和判别器Dg，生成非阴影图像S3：以所述S2中的阴影图像Is为输入，采用条件生成对抗网络CGANS的生成器E和判别器De，生成荫罩Ma；

S4：以所述U-SRD中的非阴影图像If为输入，采用WGANs的生成器F和判别器Df，生成阴影图像S5：采用周期一致性的限制分别对非阴影生成部分G->F和阴影生成部分F->G进行处理；

S6：基于所述S2-S5中的损失函数，确定整个网络结构的损失函数；

S7：对所述整个网络结构的损失函数进行结构优化，确定判别器Dg、判别器De、判别器Df、生成器G、生成器E以及生成器F的参数，并得到优化后的判别器Dg、判别器De、判别器Df、生成器G、生成器E以及生成器F；

S8：基于优化后的判别器Dg、判别器De、判别器Df、生成器G、生成器E以及生成器F对单幅图像阴影进行去除。

2.根据权利要求1所述的基于生成对抗网络的单幅图像阴影去除方法，其特征在于，以所述U-SRD中的阴影图像Is为输入，采用沃瑟斯坦生成对抗网络WGANs的生成器G和判别器Dg，生成非阴影图像 具体包括：其中，ε表示误差，pg表示生成器生成数据的分布；pr表示真实数据的分布； 表示生成的非阴影图像；Is表示真实的阴影图像， 表示生成非阴影图像的损失函数。

3.根据权利要求1所述的基于生成对抗网络的单幅图像阴影去除方法，其特征在于，所述以所述S2中的阴影图像Is为输入，采用条件生成对抗网络CGANS的生成器E和判别器De，生成荫罩Ma具体包括：Ma＝E(n,Is)

其中，n表示随机样本噪声向量，t表示真实的荫罩图像，Pdata(Is,t)表示数据集的分布，LCGAN(E,De)表示利用CGAN条件生成对抗网络的损失函数来构建荫罩图像生成部分的损失函数，ε表示误差。

4.根据权利要求1所述的基于生成对抗网络的单幅图像阴影去除方法，其特征在于，以所述U-SRD中的非阴影图像If为输入，采用WGANs的生成器F和判别器Df，生成阴影图像 具体包括：其中，Mb表示从所生成的荫罩中选取所对应的荫罩；ε表示误差，pg表示生成器生成数据的分布；pr表示真实数据的分布， 表示生成阴影图像的损失函数。

5.根据权利要求1所述的基于生成对抗网络的单幅图像阴影去除方法，其特征在于，周期一致性函数公式具体如下：其中，||F(G(Is),Ma)-Is||1，||G(F(If,Mb))-If||1表示L1范式，用来计算每个像素的差异；Is表示真实的阴影图像；If表示真实的非阴影图像；Ma和Mb表示阴影荫罩；Pdata(Is)和Pdata(If)表示真实阴影图像与真实非阴影图像的分布；ε表示误差， 表示非阴影图像生成部分的周期一致损失函数， 表示阴影图像生成部分的周期一致损失函数。

6.根据权利要求1所述的基于生成对抗网络的单幅图像阴影去除方法，其特征在于，基于所述S2-S5中的损失函数，确定整个网络结构的损失函数具体采用以下公式：其中，λ1,λ2,λ3分别表示权重， 表示非阴影图像生成部分的损失函数，表示阴影图像生成部分的损失函数，LCGAN(E,De)表示荫罩图像生成部分的损失函数， 表示非阴影图像生成部分的周期一致损失函数， 表示阴影图像生成部分的周期一致损失函数，Ldata(E)表示荫罩图像生成部分的数据损失函数。

7.根据权利要求1所述的基于生成对抗网络的单幅图像阴影去除方法，其特征在于，对所述整个网络结构的损失函数进行结构优化，确定判别器Dg、判别器De、判别器Df、生成器G、生成器E以及生成器F的参数具体采用以下公式：表示当Lfinal的最大时，得到判别器

Dg,Df,De的参数；当Lfinal的最小时得到生成器G，F，E的参数。

8.根据权利要求6所述的基于生成对抗网络的单幅图像阴影去除方法，其特征在于，所述λ1＝1,λ2＝5,λ3＝0.1 。

9.根据权利要求1所述的基于生成对抗网络的单幅图像阴影去除方法，其特征在于，对所述整个网络结构的损失函数进行结构优化具体采用极大极小方式对整个网络结构的损失函数进行结构优化。

10.一种基于生成对抗网络的单幅图像阴影去除系统，其特征在于，所述系统包括：数据集获取模块，用于获取非成对数据集U-SRD；

非阴影图像生成模块，用于以所述U-SRD中的阴影图像Is为输入，采用沃瑟斯坦生成对抗网络WGANs的生成器G和判别器Dg，生成非阴影图像 荫罩生成模块，用于以所述非阴影图像生成模块中的阴影图像Is为输入，采用条件生成对抗网络CGANS的生成器E和判别器De，生成荫罩Ma；

阴影图像生成模块，用于以所述U-SRD中的非阴影图像If为输入，采用WGANs的生成器F和判别器Df，生成阴影图像图像处理模块，用于采用周期一致性的限制分别对非阴影生成部分G->F和阴影生成部分F->G进行处理；

整体损失函数确定模块，用于基于所述非阴影图像生成模块、荫罩生成模块、阴影图像生成模块以及图像处理模块中的损失函数，确定整个网络结构的损失函数；

优化模块，用于对所述整个网络结构的损失函数进行结构优化，确定判别器Dg、判别器De、判别器Df、生成器G、生成器E以及生成器F的参数，并得到优化后的判别器Dg、判别器De、判别器Df、生成器G、生成器E以及生成器F；

阴影去除模块，用于基于优化后的判别器Dg、判别器De、判别器Df、生成器G、生成器E以及生成器F对单幅图像阴影进行去除。