1.一种误差分解网络的全色锐化方法，其特征在于，包括：

S1，获取目标区域的初始卫星遥感影像，所述初始卫星遥感影像包括全色影像和原始高空间分辨率多光谱影像，对所述原始高空间分辨率多光谱影像进行下采样操作得到低空间分辨率多光谱影像；

S2，根据全色锐化的光谱响应理论和所述全色影像的预设误差项构建分解网络模型，将所述全色影像输入到所述分解网络模型中，得到所述全色影像的伪多光谱影像；

S3，将所述低空间分辨率多光谱影像进行上采样操作得到多光谱影像，将所述多光谱影像和所述伪多光谱影像依次输入到预设融合网络模型中，得到目标区域的最终融合遥感影像。

2.根据权利要求1所述的一种误差分解网络的全色锐化方法，其特征在于，所述S2还包括：根据全色锐化的光谱响应理论和所述全色影像的预设误差项构建分解网络模型，将所述全色影像输入到所述分解网络模型中，得到所述全色影像的误差。

3.根据权利要求2所述的一种误差分解网络的全色锐化方法，其特征在于，所述S3后还包括：S4，根据所述遥感影像确定所述分解网络模型的损失函数，根据所述损失函数对所述分解网络模型进行优化处理。

4.根据权利要求3所述的一种误差分解网络的全色锐化方法，其特征在于，所述损失函数包括：重建损失函数和互信息对比损失函数；

其中，所述互信息对比损失函数包括：用于最小化所述伪多光谱影像与所述误差之间的互信息以及用于最大化所述伪多光谱影像与所述最终融合遥感影像之间的互信息。

5.一种误差分解网络的全色锐化系统，其特征在于，包括：

计算模块，用于获取目标区域的初始卫星遥感影像，所述初始卫星遥感影像包括全色影像和原始高空间分辨率多光谱影像，对所述原始高空间分辨率多光谱影像进行下采样操作得到低空间分辨率多光谱影像；

分解模块，用于根据全色锐化的光谱响应理论和所述全色影像的预设误差项构建分解网络模型，将所述全色影像输入到所述分解网络模型中，得到所述全色影像的伪多光谱影像；

融合模块，用于将所述低空间分辨率多光谱影像进行上采样操作得到多光谱影像，将所述多光谱影像和所述伪多光谱影像依次输入到预设融合网络模型中，得到目标区域的最终融合遥感影像。

6.根据权利要求5所述的一种误差分解网络的全色锐化系统，其特征在于，所述分解模块还包括：根据全色锐化的光谱响应理论和所述全色影像的预设误差项构建分解网络模型，将所述全色影像输入到所述分解网络模型中，得到所述全色影像的误差。

7.根据权利要求6所述的一种误差分解网络的全色锐化系统，其特征在于，还包括：优化模块，用于根据所述遥感影像确定所述分解网络模型的损失函数，根据所述损失函数对所述分解网络模型进行优化处理。

8.根据权利要求7所述的一种误差分解网络的全色锐化系统，其特征在于，所述损失函数包括：重建损失函数和互信息对比损失函数；

其中，所述互信息对比损失函数包括：用于最小化所述伪多光谱影像与所述误差之间的互信息以及用于最大化所述伪多光谱影像与所述最终融合遥感影像之间的互信息。

9.一种计算机设备，其特征在于，所述计算机设备包括处理器，所述处理器与存储器耦合，所述存储器中存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行，以使所述计算机设备实现如权利要求1至4任一项权利要求所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行，以使计算机实现如权利要求1至4任一项权利要求所述的方法。