1.一种遥感图像的超分辨率重建方法，其特征在于，所述方法包括以下步骤：S100，建立用于遥感图像超分辨率重建的重建模型，建立求解所述重建模型中退化矩阵的数学模型；其中，所述重建模型包括低分辨率图像、高分辨率图像和退化矩阵的函数关系；

S200，构建基于知识蒸馏的DCTNet网络，所述DCTNet网络包括教师网络和学生网络，所述教师网络基于预训练的Transformer网络构建，所述学生网络基于预训练的CNN网络构建；

S300，采用所述DCTNet网络对所述退化矩阵进行求解，基于求解得到的重建图像对所述DCTNet网络进行迭代训练，得到训练好的DCTNet网络；

S400，获取遥感图像，将所述遥感图像输入训练好的DCTNet网络进行图像重建，得到重建图像；其中，所述遥感图像为低分辨率图像，所述重建图像为高分辨率图像；

所述建立用于遥感图像超分辨率重建的重建模型，建立求解所述重建模型中退化矩阵的数学模型，包括：S110，建立重建模型，所述重建模型的数学表达式如下：ILR＝K·IHR＋η（1）；

其中，ILR为观测到的低分辨率图像，IHR为输入的高分辨率图像，K表示退化矩阵，η表示加性噪声；

S120，将求解退化矩阵K以重建高分辨率图像的过程形式化为以下优化问题：（2）；

其中，IRC为经过重建的高分辨率图像，argmin(IHR,IRC)为对输入的高分辨率图像和重建的高分辨率图像之间的差异进行最小化操作，N(IHR)为一项加权正则项，根据先验知识对解空间进行约束；通过引入辅助变量g，并解耦式（2）中的数据项和正则化项可得到：（3）；

S130，将优化问题放宽为无约束问题，并通过ADMM技术可将式（3）中的等式优化问题转化为两个子问题：（4）；

（5）；

其中， 表示经过第n+1次重建的图像，gn+1表示对低分辨率图像经过n+1次重建计算得到的正则项，n为重建图像的次数g是计算 在 的接近算子， ，f(·)表示低分辨率图像的重建模块，ω为 的权重， 为正则项，u为惩罚参数；

将公式(4)重写为：

（6）；

（7）；

（8）；

其中, 为经过第n次重建的图像， 为经过第i次重建的图像，D为奇异矩阵，r是比例因子，P为积分项；

所述采用所述DCTNet网络对所述退化矩阵进行求解，基于求解得到的重建图像对所述DCTNet网络进行迭代训练，得到训练好的DCTNet网络，包括：S310，基于所述教师网络对所述低分辨率图像进行重建，得到第一重建图像；

S320，基于所述学生网络对所述低分辨率图像进行重建，得到第二重建图像；

S330，基于所述第一重建图像和所述第二重建图像计算得到损失函数，当所述损失函数最小时，停止训练，得到训练好的DCTNet网络；

所述教师网络包括低级特征提取LFE模块、高级特征提取HFE模块和高质量图像重建HIR模块；高质量图像重建HFE模块包含多个串联的旋转变换模块和卷积块；S310中，所述基于所述教师网络对所述低分辨率图像进行重建，得到第一重建图像，包括：S311，通过低级特征提取LFE模块中3×3卷积层对输入的低分辨率图像进行底层特征提取，将低级特征提取LFE模块输出的特征图分割成多个不重叠的补丁嵌入；

S312，通过高级特征提取HFE模块中逐层的旋转变换模块进行深层特征提取，将多个不重叠的补丁嵌入重新组合成一张特征图；

S313，通过残差连接，将浅层特征图和深层特征图融合后，输入到高质量图像重建HIR模块，得到第一重建图像；

所述学生网络包括特征提取模块和超分辨率重建模块；特征提取模块包括特征编码层和平均池化层，超分辨率重建模块包括特征解码层和上采样层；S320中，所述基于所述学生网络对所述低分辨率图像进行重建，得到第二重建图像，包括：S321，通过通道数变换模块对输入的低分辨率图像进行特征提取，生成n个特征图；

S322，通过像素重新排列对n个所述特征图进行上采样，将每个通道的特征分解为所需的采样因子的倍数的数量，得到初步的上采样结果；

S323，将上采样结果和对应的降采样特征图相加，作为解码层的输出；

S324，重复执行步骤S322和S323，直到达到预设的分辨率；

S325，通过残差连接，将最后一层的输出和原始的低分辨率图像相加，得到重建的高分辨率图像，作为第二重建图像。

2.根据权利要求1所述的一种遥感图像的超分辨率重建方法，其特征在于，所述损失函数通过以下方式计算得到：采用边缘校正函数对重建后的超分辨率图像进行约束，边缘校正函数的具体公式如下：（9）；

其中，y表示真实数据，ECF表示边缘检测函数，LSR表示KL散度损失，KL（）表示KL散度损失，τ表示蒸馏温度；

定义蒸馏损失函数如下：

（10）；

基于边缘校正函数和蒸馏损失函数得到最终的损失函数，损失函数的公式为：（11）；

其中，Lhard是蒸馏损失函数，Lglobal是最终的损失函数，α是蒸馏损失的权重，fT(x)是教师网络的逻辑层输出，fS(x)是学生网络的逻辑层输出。

3.一种遥感图像的超分辨率重建系统，其特征在于，所述系统包括：至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1至2任一项所述的遥感图像的超分辨率重建方法。

4.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于执行如权利要求1至2任一项所述的方法。