1.一种面向高分辨率图像的高效压缩重建模型构建方法，其特征在于，包括以下步骤：S1、对低分辨率图像与高分辨率图像之间的双向映射关系进行建模；

S2、对反应图像质量的两个基本维度，空间分辨率和采样精度，进行通道信息交互；

所述步骤S2包括以下步骤：

S21、记图像分辨率的特征图为Sc,w,h，图像采样精度的特征图为Hc,w,h，其中c为通道数，w和h分别为特征图的宽和高，将Sc,w,h和Hc,w,h进行横向级联，得到新的整合特征图N2c,w,h；

S22、利用全局平均池化，对整合特征图进行特征压缩，得到通道数不变、宽与高变为1的包含通道信息的压缩特征图N2c,1,1；

S23、利用多层卷积尺寸为1×1的卷积核对压缩特征进行非线性映射，实现模型对于特征的激励学习，获取信息的语义特征图M2c,1,1；

S24、利用Sigmoid激活函数将获得的语义特征压缩至0和1之间，并将其作为权重赋予整合特征的每个通道，得到交互整合特征图M2c,w,h；

S25、将交互整合特征图进行横向拆分，得到通道信息交互后的分辨率特征图S'c,w,h和采样精度特征图H'c,w,h；

S3、从像素以及图像两个层面设计目标损失函数；

S4、构建面向高分辨率图像的高效压缩重建模型；

步骤S4包括以下步骤：

S41、使用双三次插值方法对原始高分辨率图像进行降质操作，得到插值生成的低分辨率图像；

S42、通过下采样过程，压缩生成满足码率约束条件的待传输低分辨率图像；

S43、通过上采样过程，重建生成高质量的高分辨率图像；

S44、在模型的训练过程中，用插值生成的低分辨率图像监督下采样过程的训练，用原始高分辨率图像监督上采样过程的训练。

2.根据权利要求1所述的面向高分辨率图像的高效压缩重建模型构建方法，其特征在于，所述步骤S1包括以下步骤：S11、对高分辨率图像到低分辨率图像的下采样过程进行建模，其公式为Ix＝D(Iy；α)，其中，D表示下采样映射函数，Iy是原高分辨率图像，Ix是压缩后的低分辨率图像，α代表下采样过程的参数；

S12、对低分辨率图像到高分辨率图像的上采样过程进行建模，其公式为其中，U表示上采样映射函数， 是重建出来的高分辨率图像，β代表上采样过程的参数。

3.根据权利要求1所述的面向高分辨率图像的高效压缩重建模型构建方法，其特征在于，步骤S3包括以下步骤：S31、步骤S1中，高分辨率图像到低分辨率图像的下采样过程关注压缩后低分辨率图像与真实低分辨率图像之间的像素差异，利用L1范数比较两幅图像在像素上的差异，其公式为 其中Y表示真实值，f(x)表示模型预测值；

S32、步骤S1中，低分辨率图像到高分辨率图像的上采样过程关注重建后高分辨率图像的质量，利用峰值信噪比比较两幅图像在画面品质上的差异，其公式为Limage＝‑10×log10n 2((2‑1) /MSE)，其中MSE是原图像与处理后图像之间的均方误差。