1.基于轻量神经网络和Transformer的单图像超分辨率重建方法，其特征在于，包括以下步骤：HR LR

步骤1：将原始的高分辨率图像X 通过双三次插值法下采样得到低分辨率图像X ；

LR

步骤2：使用三层卷积神经网络，提取低分辨率图像X 的低频特征图X；

步骤3：对步骤2得到的低分辨率图像特征图X，送入主体网络中，得到高频特征图；其中，主体网络由N个轻量Transformer模块级联而成，每个轻量Transformer模块由第一分块模块、第一线性变换模块、展平模块、Transformer模块、第二线性变换模块和深度可分离卷积神经网络级联而成；

步骤4：将步骤2提取的低频特征图与步骤3得到的高频特征图融合，得到重建的高分辨率图像；

步骤3中轻量Transformer模块的处理流程如下：第一分块模块将接收到的特征图分割成N个相同大小的图像块，每个图像块经过线性变换后展平为一维序列，N个一维序列经过Transformer模块后输出N个图像块的特征图，N个图像块的特征图经过线性变换后进行重组形成完整的特征图，重组形成的完整特征图经过深度可分离卷积神经网络，生成高频特征图；

步骤3中的深度可分离卷积神经网络包括逐点卷积层和深度卷积层，其中，逐点卷积层和深度卷积层之后均设有批规范化层和ReLU激活函数。

2.根据权利要求1所述的基于轻量神经网络和Transformer的单图像超分辨率重建方法，其特征在于，步骤2低频特征提取中使用了三层标准卷积神经网络提取图像的低频特征，具体包括以下步骤：LR

步骤2.1：使用三层卷积神经网络对低分辨率图像X 进行特征提取，得到特征图其中，3表示R，G，B三个通道，H×W表示特征图的大小；

步骤2.2：将特征图X均匀分割为N个图像块，第i个图像块 其中，h＝H/N,w＝W/N。

3.根据权利要求1所述的基于轻量神经网络和Transformer的单图像超分辨率重建方法，其特征在于，步骤3中Transformer模块中的编码器和解码器具体如下：编码器包括第一自注意力层和第一前馈神经网络MLP，在第一自注意力层与第一MLP之后均设有一个残差模块和归一化操作模块；

解码器包括第二自注意力层和第二前馈神经网络，在第二自注意力层和第二前馈神经网络中间还设有一层编码器‑解码器注意力层。

4.根据权利要求1所述的基于轻量神经网络和Transformer的单图像超分辨率重建方法，其特征在于，步骤4中使用跳跃连接将步骤2提取的低频特征图与步骤3得到的高频特征图融合，经由一个卷积层得到重建的高分辨率图像。