1.一种基于多尺度延迟通道注意网络的全色锐化系统，其特征在于，包括：卫星遥感影像数据集获取模块，用于收集卫星数据影像，并将卫星遥感影像数据集中的MS图像和PAN图像按照分辨率比例位置区域配准后输出；

预处理模块，用于对卫星遥感影像数据集获取模块输出的数据集进行预处理，得到降分辨率实验数据集和全分辨率实验数据集，并将降分辨率实验数据集分为训练集和测试集，将全分辨率实验数据集作为测试集；其中，降分辨率实验数据集中包括LRMS图像、用于对照的MS图像和4倍下采样的全色图像；全分辨率实验数据集中包括全色图像和MS图像；

浅层特征提取模块，用于对输入数据进行处理得到其浅层特征；

深层特征提取模块，包括多尺度特征融合模块和延迟注意力机制模块，其中：多尺度特征融合模块，用于获取浅层特征在不同视野下的特征信息，将不同视野下的特征信息与浅层特征进行融合，得到深层特征；

延迟注意力机制模块，用于对浅层特征进行挤压计算和自适应学习获得权重系数，并对深层特征进行重加权；

延迟注意力机制模块进行重加权的过程为：

对浅层特征进行全局平均池化，将平均池化后的浅层特征输入两层全连接层；

通过sigmoid函数对全连接层的输出进行处理，得到权重向量；

基于权重向量对多尺度特征融合模块的深层特征进行重加权；

正反馈模块，用于对深层特征提取模块输出的重加权的深层特征进行处理得到反馈特征；

网络模型训练模块，用于根据卫星遥感影像数据集获取模块、预处理模块、浅层特征提取模块、深层特征提取模块和正反馈模块训练全色锐化模型；

融合图像评价模块，用于采用测试集对网络模型训练模块得到的全色锐化模型进行测试，得到全色锐化后的融合图像，并根据融合图像评估全色锐化模型的性能；

全色锐化模块，根据评估获得优秀的全色锐化模型，用于将实时待处理数据输入全色锐化模型进行全色锐化处理。

2.根据权利要求1所述的一种基于多尺度延迟通道注意网络的全色锐化系统，其特征在于，预处理模块根据卫星遥感影像数据集获取模块输出的数据集，制作降分辨率实验数据集包括：基于Wald协议对MS图像和PAN图像进行调制传递函数过滤，得到过滤后的MS图像和过滤后的PAN图像；

将过滤后的MS图像和过滤后的PAN进行4倍下采样，得到LRMS图像和4倍下采样的PAN图像；

将LRMS图像随机裁剪成32×32的大小，MS图像和4倍下采样的全色图像随机裁剪成32×32和128×128大小；

制作全分辨率实验数据集包括：

将MS图像和PAN图像随机裁剪成32×32和128×128大小。

3.根据权利要求1所述的一种基于多尺度延迟通道注意网络的全色锐化系统，其特征在于，浅层特征提取模块对LRMS图像进行4倍上采样，通过双流结构分别对4倍上采样的LRMS图像和4倍下采样的PAN图像提取浅层特征。

4.根据权利要求1所述的一种基于多尺度延迟通道注意网络的全色锐化系统，其特征在于，正反馈模块得到反馈特征的过程包括：对深层特征提取模块输出的重加权的深层特征进行下采样，得到下采样特征；

重构下采样特征生成预估的低分辨率的重构图像；

将重构图像与预处理模块中的LRMS图像进行像素差值运算；

将运算结果上采样后与重加权的深层特征进行像素相加，得到反馈特征。

5.根据权利要求1所述的一种基于多尺度延迟通道注意网络的全色锐化系统，其特征在于，融合图像评价模块对于降分辨率实验，使用光谱角度映射器、相对无维度综合全局误差、n波段扩展的广义图像质量指数和空间相关系数指标来评估全色锐化模型的性能；对于全分辨率的实验，使用无参考质量指数来评估全色锐化模型的性能。

6.一种基于多尺度延迟通道注意网络的全色锐化方法，其特征在于，包括：S1.采用预处理模块对卫星遥感影像数据集获取模块输出的数据集进行预处理，得到训练集和测试集；

S2.将训练集划分为多个批次，设置网络相关参数；

S3.随机输入一个批次的训练集到浅层特征提取模块中，得到其浅层特征；

S4.将浅层特征输入深层特征提取模块得到重加权的深层特征；

深层特征提取模块包括多尺度特征融合模块和延迟注意力机制模块；其中多尺度特征融合模块用于获取浅层特征在不同视野下的特征信息，将不同视野下的特征信息与浅层特征进行融合，得到深层特征；延迟注意力机制模块用于对浅层特征进行挤压计算和自适应学习获得权重系数，并对深层特征进行重加权；延迟注意力机制模块进行重加权的过程为：对浅层特征进行全局平均池化，将平均池化后的浅层特征输入两层全连接层；

通过sigmoid函数对全连接层的输出进行处理，得到权重向量；

基于权重向量对多尺度特征融合模块的深层特征进行重加权；

S5.将重加权的深层特征输入正反馈模块获取反馈特征；

S6.将反馈特征与浅层特征进行通道叠加后卷积生成融合图像，采用融合图像与训练集中的参照图像进行损失计算；

S7.根据损失值判断全色锐化模型的训练是否收敛，若是，则结束训练并进入步骤S8，否则反馈网络相关参数并返回步骤S3；

S8.基于融合图像评价模块，采用测试集的降分辨率测试和全分辨率测试判断训练好的全色锐化模型是否优秀，若是，则得到全色锐化模型，否则返回步骤S2；

S9.将实时的待处理图像输入全色锐化模型进行全色锐化处理。