1.一种基于结构重参数化的可见光与红外图像融合方法，其特征在于，包括以下步骤：(1)将输入的可见光图像经过数个RepVGG块和一层卷积，提取出低级特征Lx和高级特征Sx，再将Lx和Sx分别输入卷积层得到C11和C12两个张量；

(2)将输入的红外图像经过数个RepVGG块和一层卷积，提取出低级特征Ly和高级特征Sy，再将Ly和Sy分别输入卷积层得到C21和C22两个张量；

(3)将C11和C21两个张量在维度1上进行拼接得到C3，将C12和C22两个张量在维度1上进行拼接得到C4；

(4)将C3和C4分别输入到卷积层中，得到low和high两个张量；

(5)对low和high两个张量进行元素级别的相加操作，从而生成融合图像。

2.根据权利要求1所述的一种基于结构重参数化的可见光与红外图像融合方法，其特征在于，所述步骤(1)包括以下步骤：(1.1)将输入的可见光图像读取为灰度图像，然后将灰度图像缩放到统一尺寸，以RepVGG卷积神经网络架构作为基础卷积神经网络，并去除其最后的池化层和全连接层，再加上一层卷积。

3.根据权利要求1所述的一种基于结构重参数化的可见光与红外图像融合方法，其特征在于，所述步骤(1)包括以下步骤：(1.2)将缩放后的灰度图像输入到修改后的RepVGG卷积神经网络架构中，经过卷积、批量归一化、修正线性单元操作后，输出特征图C1。

4.根据权利要求1所述的一种基于结构重参数化的可见光与红外图像融合方法，其特征在于，所述步骤(1)包括以下步骤：(1.3)将特征图C1前128个通道切片为Lx，后128个通道切片为Sx。

5.根据权利要求1所述的一种基于结构重参数化的可见光与红外图像融合方法，其特征在于，所述步骤(1)包括以下步骤：(1.4)将Lx和Sx两个子张量分别输入到卷积层中，依次得到C11和C12。

6.根据权利要求1所述的一种基于结构重参数化的可见光与红外图像融合方法，其特征在于，所述步骤(2)包括以下步骤：(2.1)将输入的红外图像读取为灰度图像，然后将灰度图像缩放到统一尺寸，以RepVGG卷积神经网络架构作为基础卷积神经网络，并去除其最后的池化层和全连接层，再加上一层卷积。

7.根据权利要求1所述的一种基于结构重参数化的可见光与红外图像融合方法，其特征在于，所述步骤(2)包括以下步骤：(2.2)将缩放后的灰度图像输入到修改后的RepVGG卷积神经网络架构中，经过卷积、批量归一化、修正线性单元操作后，输出特征图C2。

8.根据权利要求1所述的一种基于结构重参数化的可见光与红外图像融合方法，其特征在于，所述步骤(2)包括以下步骤：(2.3)将特征图C2前128个通道切片为Ly，后128个通道切片为Sy。

9.根据权利要求1所述的一种基于结构重参数化的可见光与红外图像融合方法，其特征在于，所述步骤(2)包括以下步骤：(2.4)将Ly和Sy两个子张量分别输入到卷积层中，依次得到C21和C22。

10.一种计算机存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1‑8中任一项所述的一种基于结构重参数化的可见光与红外图像融合方法。