1.一种基于SimROD的航拍图像检测与识别方法，其特征在于，包括如下步骤：步骤S1、收集大量实地的航拍图像；

步骤S2、对图像进行BM3D去噪处理；

步骤S3、将采集到的图像进行标签处理，形成目标数据D，一半为有标签源数据D1，一半为无标签目标数据D2；

步骤S4、基于源数据，训练一个比学生模型M容量大的源教师模型T，得到初始伪标签参数θs，源教师模型T用于生成目标数据上的初始伪标签；

步骤S5、利用逐步适应算法，将大型源教师模型T参数从初始伪标签参数θs逐步更改为教师模型增强参数θa；

步骤S6、使用自适应的教师模型增强参数θa来细化目标数据上D上的伪标签，然后，使用这些伪标签来微调学生模型M；

步骤S7、航拍图像稳化，实现位移估计和位移补偿；

步骤S8、对航拍图像的前景进行目标检测与识别；

步骤S9、得到两幅连续图像的运动矢量；

步骤S10、对无标签目标数据D2数据进行检测，得出检测结果。

2.根据权利要求1所述的一种基于SimROD的航拍图像检测与识别方法，其特征在于：所述步骤S2中的具体步骤包括：步骤S201、将一幅图像分割成尺寸较小的小像素片，并选定参考片；

步骤S202、寻找与参考片相似的小片组成3D块；

步骤S203、将所有相似块进行3D变换,并进行阈值收；

步骤S204、进行3D逆变换，并将所有的3D块通过加权平均后还原到图像中。

3.根据权利要求2所述的一种基于SimROD的航拍图像检测与识别方法，其特征在于：所述步骤S3中将采集到的图像进行标签处理的每个标签由目标类别和边界框坐标组成。

4.根据权利要求3所述的一种基于SimROD的航拍图像检测与识别方法，其特征在于：所述步骤S4中的具体步骤包括：使用由DomainMix增强生成的混合图像；

步骤S401、目标数据D取出了一组未标记的图像，进行模型训练；对于一个Batch中的每一幅图像，首先从源和目标数据中随机抽取另外三张图像，并混合这些图像的随机crop，在

2×2的模板中创建一个新的域混合图像A；

步骤S402、将初始伪标签和真实标签数据集都标注到混合的图像中，根据新的混合图像中每个crop的相对位置计算目标的边界框坐标；

步骤S403、使用加权平衡采样器从这初始伪标签和真实标签数据集中进行均匀采样，并进行源教师模型T的自适应调整。

5.根据权利要求4所述的一种基于SimROD的航拍图像检测与识别方法，其特征在于：所述步骤S5采用一个逐步适应的方法来优化检测模型的参数，具体步骤包括：步骤S501、冻结所有卷积层，在前w个epoch只适应BN层，在第一阶段结束后，BN层的参数被更新；

步骤S502、使用部分适应的教师模型来生成更精确的伪标签。

6.根据权利要求5所述的一种基于SimROD的航拍图像检测与识别方法，其特征在于：所述步骤S7实现位移估计的方法为：对于每两个连续帧，先前帧图像定义为f(t‑y)，当前帧图像定义为f(t)，为了减少计算时间，将图像f(t)的尺寸缩小到原始尺寸的75％，并将颜色设置为灰度模式，得到新图像使用SimROD算法作为特征检测器和描述符找到每个帧上的局部特征，f(x,y)(t)是f(t)在位置(x,y)处的像素值；利用仿射变换在齐次坐标中估计的特征位置实现位移估计；在齐次坐标中，f(t‑1)和f(t)中的一对特征点之间的关系为:其中，H为齐次仿射矩阵:

其中，aij为关于旋转角θ的参数，Tx和Ty双分别为x轴和Y轴上平移T的参数；

实现位移补偿的方法为：使用Kalman滤波器对平移和旋转轨迹进行位移补偿，从而为每帧生成新的变换。

7.根据权利要求6所述的一种基于SimROD的航拍图像检测与识别方法，其特征在于：所述步骤S8中航拍图像的每帧通过图像稳化技术确定背景和前景，其中，前景由图像中的候选运动目标组成，可以使用Haar‑like特征和增强级联分类器对前景进行检测和识别；

具体步骤包括：

步骤S801：Haar‑like特征主要检测图像中不同尺寸的目标；

步骤S802：使用AdaBoost算法对所选分类器的特征进行组合，选择分类器作为值来确定每个特征的最佳分类函数。

8.根据权利要求7所述的一种基于SimROD的航拍图像检测与识别方法，其特征在于：所述步骤S9采用Farneback光流法得到两幅连续图像的运动矢量。