1.一种面向水深提取的光子计数激光雷达自适应滤波算法，其特征在于，包括如下步骤：
s1：自适应获取水面光子信号椭圆密度滤波参数，并根据水面光子信号椭圆密度滤波参数得到水下光子信号椭圆密度滤波参数；
s2：确定水下光子信号滤波参数与光子信号高程值的关系；
s3：对水面光子信号与水下光子信号进行滤波以及提取，获取连续的水深提取结果。
2.根据权利要求1所述的一种面向水深提取的光子计数激光雷达自适应滤波算法，其特征在于，所述步骤s1中，自适应获取水面光子信号椭圆密度滤波参数的步骤包括：
s11：获取光子计数激光雷达原始点云数据p：
p＝(di，hi)，i∈[1，np]，
其中，di为每一个光子信号的沿轨距离，hi为每一个光子信号的高程，np为原始点云数据包含的光子数量；
s12：以δh为高程方向切片间隔，将原始数据在高程方向切分为m个单元：
s13：对于s2中切分的m个切片单元，统计每个切片单元中的光子信号数量xj：
其中，hi为每个高程切片中心高程，xj为切片单元中的光子信号数量；
s14：利用正态分布曲线对高程切片中心高程hi与切片单元中的光子信号数量xj之间的关系进行拟合，得到拟合关系f(x)为：
其中，xmaxpho表示包含光子信号最多的高程切片中的光子数量，hmaxpho表示该切片的中心高程，σ为正态分布标准差，x为正态分布自变量；
s15：以s4中的hmaxpho为中心，两倍正态分布标准差为左右阈值，确定水面光子高程分界线，同时确定搜索椭圆的短半轴长度b：
b＝2σ，
其中，h′min为水面光子高程下限，h′max为水面光子高程上限；
s16：以水面光子高程下限h′min和上限h′max为界，获取每个水面光子的高程，形成水面光子数据集sp和水下光子数据集wp：
其中，sdk表示水面光子数据集中某个光子的沿轨距离，shk表示水面光子数据集中某个光子的高程，nsp为原始数据集中满足下列条件的光子的数量：
h′min＜shk＜h′max，
wdl表示水下光子数据集中某个光子的沿轨距离，whl表示水下光子数据集中某个光子的高程，nwp为原始数据集中满足下列条件的光子的数量：
whl＜h′min；
s17：在水面光子数据集sp中，在沿轨方向上以光子计数激光雷达沿轨方向分辨率的长度δd为分界，将水面光子放入q个水下光子数据集wpu中：
wpu＝(sdu，shu)，u∈[1，q]；
s18：统计q个集合中光子在高程方向的最大差值δshu，并获取均值ratio_ab，从而获取长半轴长度a：
δshu＝max(shu)-min(shu)，
a＝b*ratio_ab，
其中，ratio_ab为搜索椭圆的长轴与短轴的比值；
s19：在水面光子数据集sp中，遍历所有数据点，以该点为中心，a为搜索椭圆的长轴，b为搜索椭圆的短轴构建搜索区域，统计搜索区域内的点数pv，v＝1，2，3…nsp，并计算点数均值，获取初始最小点数minpts：
3.根据权利要求1所述的一种面向水深提取的光子计数激光雷达自适应滤波算法，其特征在于，对于所述步骤s2，水下光子信号滤波参数与光子信号高程值的关系确定方法为，在水下光子数据集wp中，以点(wdl，whl)为中心，椭圆搜索长半轴al、短半轴bl、最小点数阈值minptsl均分别与水面光子长轴、短轴以及最小点数阈值初始值以及光子高程相关：
4.根据权利要求1所述的一种面向水深提取的光子计数激光雷达自适应滤波算法，其特征在于，对于所述步骤s3，水深提取结果获取方法为：
s31：遍历水面光子数据集sp中的每一个点，以该点(sdk，shk)为中心，以a、b分别作为椭圆搜索区域长半轴、短半轴，判断水面光子数据集sp中其余的点(sdx，shx)是否位于搜索区域：
若dissx＜1，则点(sdx，shx)位于以(sdk，shk)为中心的椭圆搜索区域中，统计搜索区域中所有的信号点数；若dissx＞minpts，则将(sdk，shk)标记为信号点，否则为噪点；
s32：遍历水下光子数据集wp中的每一个点，以点(wdl，whl)为中心，以al、bl分别作为椭圆搜索区域长半轴、短半轴，判断水下光子数据集wp中其余的点(wdx，whx)是否位于搜索区域：
若diswx＜1，则点(wdx，whx)位于以(wdl，whl)为中心的椭圆搜索区域中，统计搜索区域中所有的信号点数；若diswx＞mlnptsl，则将(wdl，whl)标记为信号点，否则为噪点。
5.根据权利要求2所述的一种面向水深提取的光子计数激光雷达自适应滤波算法，其特征在于，步骤s11中，光子计数激光雷达原始点云数据p为一个二维点集。
6.根据权利要求2所述的一种面向水深提取的光子计数激光雷达自适应滤波算法，其特征在于，步骤s13中，通过以每个高程切片中心高程hi为横轴，切片单元中的光子信号数量xj为纵轴，来构建二者之间的关系。