1.一种基于深度学习的卫星影像超分辨率方法，该方法包括：

步骤1：获取卫星影像；

步骤2：使用90m×90m的高程数据对卫星影像进行正射校正；

步骤3：对正射校正后的遥感卫星影像进行全色波段融合，融合后的影像为红波段、绿波段、蓝波段和近红外波段四通道影像；

步骤4：利用双立方插值下采样算法，对正射校正后的遥感卫星影像进行4倍下采样，然后进行水平翻转、竖直翻转的数据增广，原始多光谱影像作为标签真值，获得训练影像对；

步骤5：搭建超分辨率网络；

所述超分辨率网络为4通道，对应红波段、绿波段、蓝波段和近红外波段四通道，每个通道输入后分为两支，其中主支依次经过第一卷积层、十个残差网络模块、第四卷积层、像素重组上采样4倍层I；分支首先经过第五卷积层，然后在分为两支，其中一支依次经过第六卷积层和像素重组上采样4倍层II，另一支依次经过第七卷积层、第八卷积层和像素重组上采样4倍层III；将像素重组上采样4倍层I、像素重组上采样4倍层II、像素重组上采样4倍层III的输出相加后的结果，作为整个超分辨率网络的输出；所述残差网络模块依次包括：第二卷积层、第一权重归一化层、线性整流层、第三卷积层和第二权重归一化层；

第一卷积层卷积核边长为3，输出通道数为192，卷积步长为1，第二卷积层卷积核边长为3，输出通道数为192，卷积步长为1；第三卷积层卷积核边长为3，输出通道为32，卷积步长为1，第四卷积层卷积核边长为3，输出通道为12，卷积步长为1；第一侧支的第五卷积层卷积核边长为3，输出通道数为96，卷积步长为1，第六卷积层卷积核边长为5，输出通道数为12，卷积步长为1；第二侧枝的第七卷积层卷积核边长为3，输出通道数为32，卷积步长为1，第八卷积层卷积核边长为5，输出通道数为12，卷积步长为1；

步骤6：将步骤4获得的训练影像对作为步骤5超分辨率网络的输入，训练一个超分辨率网络；

步骤7：在对待超分影像进行超分时，首先将影像进行分割裁剪，然后对裁剪后的每个区域影像进行超分，最后将超分后的各区域影像进行拼接；

步骤8：对超分后的影像进行红波段、近红外波段和蓝波段三通道假彩色和1％线性拉伸，输出。

2.如权利要求1所述的一种基于深度学习的卫星影像超分辨率方法，其特征在于，所述步骤6中，设置训练轮次为100，初始学习率为0.0002，并在第25000，50000，75000个单次循环分别按0.5的比例对学习率进行衰减，批尺寸Batch size为16。