1.一种基于跨模态特征注意力交互的全色锐化方法，其特征在于，包括以下步骤：（1）获取、预处理数据集，制作训练样例图像；

（2）利用基于深度图像先验的上采样方法，上采样输入的低分辨率高光谱图像，获得全色图像空间尺度下的高光谱图像；

（3）利用重叠补丁嵌入模块分解和转换上采样的高光谱图像与全色图像；其中，重叠补丁嵌入模块由卷积和批量归一化层组成，包括：计全色图像重叠补丁嵌入模块和高光谱图像重叠补丁嵌入模块；

（4）利用若干光谱‑空间注意力交互模块，直接交互、融合光谱特征与空间特征，获得融合的跨模态特征表示；

（5）利用图像重建层还原维度，获得高空间分辨率的高光谱图像。

2.根据权利要求1所述的一种基于跨模态特征注意力交互的全色锐化方法，其特征在于，所述步骤（1）具体如下：获取用于训练的数据集，裁剪数据集中的高光谱图像，生成若干张图像补丁，作为标签高光谱图像 ，其中， 为宽、高和波段数；对的可见光波段进行平均池化，生成全色图像 ；利用高斯滤波器对 进行空间模糊，并将其下采样N倍，生成低分辨率的高光谱图像  ；其中， ，；P 和 组成输入对，  为标签。

3.根据权利要求2所述的一种基于跨模态特征注意力交互的全色锐化方法，其特征在于，所述步骤（2）具体如下：利用基于深度图像先验的上采样方法，将低分辨率的高光谱图像  上采样至全色图像P空间尺度，获得上采样的高光谱图像 ；公式如下：

；

其中， 为用作输入的随机初始化噪声张量； 为神经网络 的最优参数；

为任务驱动的能量函数；公式如下：

；

其中，  表示下采样操作。

4.根据权利要求3所述的一种基于跨模态特征注意力交互的全色锐化方法，其特征在于，所述步骤（3）具体如下：所述全色图像重叠补丁嵌入模块将全色图像P在空间上分解为若干相互重叠的图像补丁 ，其中， k为宽、高；对于每个补丁进行特征转换，生成封装原始信息的补丁嵌入，公式如下：；

其中， 表示由 n个补丁嵌入组成的特征图；d 为嵌入维度；  为全色图像重叠补丁嵌入模块的函数；

则高光谱图重叠补丁嵌入模块公式如下：；

其中， 表示由n个全色图像补丁嵌入组成的特征图；为嵌入维度； 为高光谱图像重叠补丁嵌入模块的函数。

5.根据权利要求4所述的一种基于跨模态特征注意力交互的全色锐化方法，其特征在于，所述步骤（4）具体如下：光谱‑空间注意力交互模块包括令牌混合器和光谱混合器；

令牌混合器定义如下：

；

其中， 为融合的跨模态特征表示； 和 分别代表逐像素卷积和标准3×3卷积；GeLU是高斯误差线性单元；在一个令牌混合器中，重复上述运算两次，以平衡模型的开销与性能； 为光谱全局上下文；

光谱混合器定义如下：

；

其中， 为深度可分离3×3卷积；在两个连续的  之间设置一个通道增长率

16，以充分建模相邻光谱之间的关系。

6.根据权利要求5所述的一种基于跨模态特征注意力交互的全色锐化方法，其特征在于，令牌混合器中包括光谱‑空间交互注意力和光谱信息瓶颈；首先，光谱‑空间交互注意力定义如下：；

然后，引入全色图像P 的空间先验知识，定义跨模态特征相似性矩阵 ：；

其中， 和 分别由  和  重塑得到；其次，更新光谱‑空间交互注意力，公式如下：

；

其中， 为更新过后的全局上下文，融合来自高光谱图像的光谱信息与全色图像的空间信息； 为归一化后的相似性矩阵；和 是可学习的标量； 和 为均值和标准差； 表示数值稳定性；最后，将光谱‑空间交互注意力演化为多组的形式，定义如下：。

7.根据权利要求6所述的一种基于跨模态特征注意力交互的全色锐化方法，其特征在于，光谱信息瓶颈定义如下：；

其中， 、 、 为全连接层， r为下降率，设置为16。

8.根据权利要求5所述的一种基于跨模态特征注意力交互的全色锐化方法，其特征在于，所述步骤（5）具体如下：将光谱与空间信息高度聚合的融合特征表示 经过一个卷积层，重建并还原维度，生成残差高光谱图像  ，公式如下：

；

其中， 表示模型参数；

最终，获取融合的高光谱图像 ：

。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被加载至处理器时实现根据权利要求1‑7任一项所述的一种基于跨模态特征注意力交互的全色锐化方法。

10.一种存储介质，所述存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现根据权利要求1‑7任一项所述的一种基于跨模态特征注意力交互的全色锐化方法。