1.一种基于频率通道注意力机制的图像去雨方法，其特征在于，所述方法包括：获取初始含雨图像；

对所述初始含雨图像进行特征提取，得到第一特征图；

对所述第一特征图进行划分，得到所述第一特征图对应的多个特征子图；

计算各所述特征子图中的频率分量；

根据各所述频率分量，对各所述特征子图进行增强，得到第二特征图；

根据所述第二特征图，对所述初始含雨图像进行特征重建，得到去雨图像；

其中，对所述初始含雨图像进行特征提取，得到第一特征图，包括：通过预构建的第一卷积网络，对所述初始含雨图像进行特征提取，得到第三特征图；

利用预构建的长短时记忆模型，对所述第三特征图进行特征提取，得到第四特征图；

通过预构建的第二卷积网络，对所述第四特征图进行特征提取，得到所述第一特征图；

其中，根据各所述频率分量，对各所述特征子图进行增强，得到第二特征图，包括：对于每一个特征子图，将所述特征子图对应的各所述频率分量拼接，得到所述特征子图对应的通道注意力向量；

将各所述特征子图与各所述特征子图对应的通道注意力向量相点乘，得到各所述特征子图对应的加强后的特征子图；

将各所述加强后的特征子图进行拼接，得到所述第二特征图。

2.根据权利要求1所述的方法，其特征在于，对所述第一特征图进行划分，得到所述第一特征图对应的多个特征子图，包括：按照预设通道层数，对所述第一特征图进行划分，得到各所述特征子图。

3.根据权利要求1所述的方法，其特征在于，计算所述特征子图中的频率分量，包括：对所述特征子图进行二维离散余弦变换，得到所述特征子图中多个预设频率对应的频率分量，所述预设频率通过频率分布索引图确定的，所述频率分布索引图表征了不同频率对于提取图像特征的准确率。

4.根据权利要求3所述的方法，其特征在于，对所述特征子图进行二维离散余弦变换，得到所述特征子图中多个预设频率对应的频率分量，包括：n

其中，Freq为特征子图n对应的频率分量；N取值为特征子图n的高度/特征子图n的宽度； 表示特征子图n中第i行和第j列的像素值；u为频率分布索引图中的纵轴分量，v为频率分布索引图中的横轴分量。

5.根据权利要求1所述的方法，其特征在于，根据所述第二特征图，对所述初始含雨图像进行特征重建，得到去雨图像，包括：将所述第二特征图与所述初始含雨图像进行拼接，得到拼接后的初始含雨图像；

基于拼接后的初始含雨图像，重复对所述初始含雨图像进行特征提取，得到第一特征图的步骤到根据所述第二特征图，对所述初始含雨图像进行特征重建的步骤，直至得到满足预设条件的去雨图像。

6.一种基于频率通道注意力机制的图像去雨系统，其特征在于，所述系统包括：获取模块，用于获取初始含雨图像；

频域残差模块，用于对所述初始含雨图像进行特征提取，得到第一特征图；对所述第一特征图进行划分，得到所述第一特征图对应的多个特征子图；计算各所述特征子图中的频率分量；根据各所述频率分量，对各所述特征子图进行增强，得到第二特征图；

重建模块，用于根据所述第二特征图，对所述初始含雨图像进行特征重建，得到去雨图像；

其中，频域残差模块具体用于通过预构建的第一卷积网络，对所述初始含雨图像进行特征提取，得到第三特征图，利用预构建的长短时记忆模型，对所述第三特征图进行特征提取，得到第四特征图，通过预构建的第二卷积网络，对所述第四特征图进行特征提取，得到所述第一特征图；

其中，频域残差模块具体还用于对于每一个特征子图，将所述特征子图对应的各所述频率分量拼接，得到所述特征子图对应的通道注意力向量，将各所述特征子图与各所述特征子图对应的通道注意力向量相点乘，得到各所述特征子图对应的加强后的特征子图，将各所述加强后的特征子图进行拼接，得到所述第二特征图。

7.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1‑5中任一项所述的基于频率通道注意力机制的图像去雨方法的步骤。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1‑5中任一项所述的基于频率通道注意力机制的图像去雨方法的步骤。