技术特征：
1.一种基于生成对抗网络的气体湍流模糊图像重建方法，其特征在于，包括以下步骤：s101构建试验装置：所述试验装置包括加热设备、图形采集设备和图像处理设备，所述图像采集设备用于采集目标图像，所述图像处理设备与所述图像采集设备电连接，所述加热设备用于对所述图像采集设备至所述目标图像的路径上产生加热空气的湍流；s102将采集到的受加热空气的湍流影响的模糊图像与清晰图像进行比对，以判别模糊图像的真伪；s103当判断所述模糊图像为真时，根据所述清晰图像对所述模糊图像进行优化，直至所述图像处理设备对所述模糊图像与所述清晰图像无法区分为止。2.根据权利要求1所述的基于生成对抗网络的气体湍流模糊图像重建方法，其特征在于，在s103步骤中，使用神经网络根据所述清晰图像对所述模糊图像进行优化，所述神经网络包括一个普通卷积模块，两个步长为1/2的卷积单元、9个残差模块、两个反卷积单元以及一个普通卷积模块；前14个模块都由一个卷积层、实例归一化层和relu激活函数组成，最后一个模块由卷积层和tanh激活函数构成。3.根据权利要求2所述的基于生成对抗网络的气体湍流模糊图像重建方法，其特征在于，所述神经网络还包括损失函数，所述损失函数包括对抗损失和内容损失，λ取100；l
total
＝l
adv
+λl
cont
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)。4.根据权利要求2所述的基于生成对抗网络的气体湍流模糊图像重建方法，其特征在于，在s103步骤中，优化的具体过程为：采用nvidia2080ti来训练模型，mini
‑
batch大小设置为128；训练批次设为100次，学习率0.001，衰减0.0005；训练时交替更新生成器和鉴别器网络，即更新比率设置为1。