1.一种图像超分辨率重建方法，其特征在于，包括：

获取低分辨率图像；

将所述低分辨率图像输入至训练完备的图像超分辨率重建模型中，获得高分辨率图像；

其中，所述图像超分辨率重建模型包括图像超分辨率深层展开网络子模型和连接在所述图像超分辨率深层展开网络子模型之后的通道注意力子模型。

2.根据权利要求1所述的图像超分辨率重建方法，其特征在于，所述图像超分辨率深层展开网络子模型包括初始卷积层、下残差模块、第一残差块、第二残差块、上残差模块以及结束卷积层；

所述低分辨率图像经过所述初始卷积层、所述下残差模块、所述第一残差块、所述第二残差块、所述上残差模块以及所述结束卷积层，获得目标残差特征图像。

3.根据权利要求2所述的图像超分辨率重建方法，其特征在于，所述下残差模块包括级联的第一下残差单元、第二下残差单元以及第三下残差单元，所述上残差模块包括级联的第一上残差单元、第二上残差单元以及第三上残差单元；

所述初始卷积层用于接收所述低分辨率图像，并获得特征提取图像；

所述第一下残差单元用于对所述特征提取图像进行下采样，获得第一下采样图像，并根据所述第一下采样图像生成第一残差特征图像；

所述第二下残差单元用于对所述第一残差特征图像进行下采样，获得第二下采样图像，并根据所述第二下采样图像生成第二残差特征图像；

所述第三下残差单元用于对所述第二残差特征进行下采样，获得第三下采样图像，并根据所述第三下采样图像并生成第三残差特征图像；

所述第一残差块用于接收所述第三残差特征图像，并根据所述第三残差特征图像生成第四残差特征图像；

所述第二残差块用于接收所述第四残差特征图像，并根据所述第四残差特征图像生成第五残差特征图像；

所述第三上残差单元用于接收所述第五残差特征图像和所述第三残差特征图像，并根据第五残差特征图像和所述第三残差特征图像生成第六残差特征图像；

所述第二上残差单元用于接收所述第六残差特征图像和所述第二残差特征图像，并对所述第六残差特征图像进行上采样，生成第一上采样图像，根据所述第一上采样图像和所述第二残差特征图像生成第七残差特征图像；

所述第一上残差单元用于接收所述第七残差特征图像和所述第一残差特征图像，并对所述第七残差特征图像进行上采样，生成第二上采样图像，根据所述第二上采样图像和所述第一残差特征图像生成第八残差特征图像；

所述结束卷积层用于接收所述第八残差特征图像和所述特征提取图像，并对所述第八残差特征图像进行上采样处理，生成第三上采样图像，并根据所述第三上采样图像和所述特征提取图像生成所述目标残差特征图像。

4.根据权利要求3所述的图像超分辨率重建方法，其特征在于，所述第一下残差单元包括依次连接的第一下残差块以及第一卷积层，所述第二下残差单元包括依次连接的第二下残差块以及第二卷积层，所述第三下残差单元包括依次连接的第三下残差块以及第三卷积层，所述第一上残差单元包括依次连接的第一反卷积层以及第一上残差块，所述第二上残差单元包括依次连接的第二反卷积层以及第二上残差块，所述第三上残差单元包括依次连接的第三反卷积层以及第三上残差块。

5.根据权利要求4所述的图像超分辨率重建方法，其特征在于，所述第一下残差块包括第一残差卷积层、残差激活函数层、第二残差卷积层以及融合层；

所述第一残差卷积层用于对所述第一下采样图像进行卷积操作，获得第一卷积图像；

所述残差激活函数层用于基于ReLu激活函数对所述第一卷积图像进行激活处理，获得激活图像；

所述第二残差卷积层用于所述激活图像进行卷积操作，获得卷积图像；

所述第二融合层用于将所述第一下采样图像与所述卷积图像进行叠加，获得所述第一残差特征图像。

6.根据权利要求2所述的图像超分辨率重建方法，其特征在于，所述通道注意力子模型包括依次连接的基本组块、平均池化层、第一全连接层、ReLU函数层、第二全连接层、Sigmoid函数层以及区域提取层；

所述基本组块用于接收所述目标残差特征图像，并根据所述目标残差特征图像生成特征连接图；

所述平均池化层用于降低所述特征连接图的维度，获得降维连接图；

所述第一全连接层用于基于预设的第一缩放系数对所述降维连接图进行缩放，获得第一缩放图；

所述ReLU函数层用于对所述第一缩放图进行非线性映射，获得非线性映射图；

所述第二全连接层用于基于预设的第二缩放系数对所述非线性映射图像进行缩放，获得第二缩放图；

所述Sigmoid函数层用于基于预设的通道个数获得所述第二缩放图的各通道的权重值；

区域提取层用于基于所述权重值从所述特征连接图中提取出感兴趣区域的感兴趣图像。

7.根据权利要求6所述的图像超分辨率重建方法，其特征在于，所述基本组块包括依次连接的两个基本单元，所述基本单元包括基本卷积层、批量归一化层、基本ReLU函数层；

所述基本卷积层用于提取所述目标残差特征图像的特征，获得基本特征图像；

所述批量归一化层用于对所述基本特征图像进行归一化处理，获得归一化图像；

所述基本ReLU函数层用于对所述归一化图像进行非线性映射，获得所述特征连接图。

8.根据权利要求1所述的图像超分辨率重建方法，其特征在于，在所述将所述低分辨率图像输入至训练完备的图像超分辨率重建模型中，获得高分辨率图像之前，还包括：构建初始超分辨率图像模型，并确定所述初始超分辨率图像模型的损失函数；

获取多张低分辨率图像，并对所述多张低分辨率图像进行预处理，获得低分辨率图像训练集；

根据所述低分辨率图像训练集和所述损失函数训练所述初始超分辨率图像模型，获得所述图像超分辨率重建模型。

9.根据权利要求8所述的图像超分辨率重建方法，其特征在于，在所述获得所述图像超分辨率重建模型之后，还包括：基于峰值信噪比、结构相似度判断所述图像超分辨率重建模型的模型性能是否大于性能阈值；

若所述图像超分辨率重建模型的模型性能小于所述性能阈值，则更新所述图像超分辨率重建模型。

10.一种图像超分辨率重建装置，其特征在于，包括：

低分辨率图像获取单元，用于获取低分辨率图像；

图像重建单元，用于将所述低分辨率图像输入至训练完备的图像超分辨率重建模型中，获得高分辨率图像；

其中，所述图像超分辨率重建模型包括图像超分辨率深层展开网络子模型和连接在所述图像超分辨率深层展开网络子模型之后的通道注意力子模型。