1.一种基于宽度神经网络的图像超分辨率重建方法，其特征在于，所述重建方法包括：获取训练集图像和低分辨率图像；

根据所述训练集图像构建宽度神经网络模型；

采用正则化的相关熵准则训练所述宽度神经网络模型，获得宽度神经网络模型的参数；所述参数包括目标函数和输出层权值；

根据所述低分辨率图像和带有参数的宽度神经网络模型确定高分辨率图像。

2.根据权利要求1所述的基于宽度神经网络的图像超分辨率重建方法，其特征在于，所述根据所述训练集图像构建宽度神经网络模型，具体包括：采用双三次插值法对所述训练集图像进行预处理；

根据预处理后的所述训练集图像构建所述宽度神经网络模型。

3.根据权利要求2所述的基于宽度神经网络的图像超分辨率重建方法，其特征在于，所述根据预处理后的所述训练集图像构建所述宽度神经网络模型，具体包括：对预处理后的所述训练集图像进行线性特征提取，获得特征节点；

对所述特征节点进行非线性特征增强，获得增强节点；

利用所述特征节点和所述增强节点构建所述宽度神经网络模型。

4.根据权利要求1所述的基于宽度神经网络的图像超分辨率重建方法，其特征在于，采用正则化的相关熵准则训练宽度神经网络模型，获得宽度神经网络模型的参数，具体包括：采用正则化的相关熵准则训练所述宽度神经网络模型，确定目标函数；

利用半二次优化法求解所述宽度神经网络模型的输出层权值。

5.根据权利要求1所述的基于宽度神经网络的图像超分辨率重建方法，其特征在于，所述根据所述低分辨率图像和带有参数的宽度神经网络模型确定高分辨率图像，具体包括：采用双三次插值法对所述低分辨率图像进行预处理；

将预处理后的低分辨率图像输入至带有参数的所述宽度神经网络模型，获得高分辨率残差图像；

根据预处理后的所述低分辨率图像和所述高分辨率残差图像确定高分辨率图像。

6.一种基于宽度神经网络的图像超分辨率重建系统，其特征在于，所述重建系统包括：获取模块，用于获取训练集图像和低分辨率图像；

模型构建模块，用于根据所述训练集图像构建宽度神经网络模型；

参数确定模块，用于采用正则化的相关熵准则训练所述宽度神经网络模型，获得宽度神经网络模型的参数；所述参数包括目标函数和输出层权值；

高分辨率图像确定模块，用于根据所述低分辨率图像和带有参数的宽度神经网络模型确定高分辨率图像。

7.根据权利要求6所述的基于宽度神经网络的图像超分辨率重建系统，其特征在于，所述模型构建模块，具体包括：第一预处理单元，用于采用双三次插值法对所述训练集图像进行预处理；

模型构建单元，用于根据预处理后的所述训练集图像构建所述宽度神经网络模型。

8.根据权利要求7所述的基于宽度神经网络的图像超分辨率重建系统，其特征在于，所述模型构建单元，具体包括：特征节点确定子单元，用于对预处理后的所述训练集图像进行线性特征提取，获得特征节点；

增强节点确定子单元，用于对所述特征节点进行非线性特征增强，获得增强节点；

模型构建子单元，用于利用所述特征节点和所述增强节点构建所述宽度神经网络模型。

9.根据权利要求6所述的基于宽度神经网络的图像超分辨率重建系统，其特征在于，所述参数确定模块，具体包括：目标函数确定单元，用于采用正则化的相关熵准则训练所述宽度神经网络模型，确定目标函数；

输出层权值确定单元，用于利用半二次优化法求解所述宽度神经网络模型的输出层权值。

10.根据权利要求6所述的基于宽度神经网络的图像超分辨率重建系统，其特征在于，所述高分辨率图像确定模块，具体包括：第二预处理单元，用于采用双三次插值法对所述低分辨率图像进行预处理；

高分辨率残差图像确定单元，用于将预处理后的低分辨率图像输入至带有参数的所述宽度神经网络模型，获得高分辨率残差图像；

高分辨率图像确定单元，用于根据预处理后的所述低分辨率图像和所述高分辨率残差图像确定高分辨率图像。