1.一种遥感图像的特征增强方法，其特征在于，所述方法包括以下步骤：

S100，构建特征增强模型，所述特征增强模型包括双向自适应局部‑全局特征编码器、解码器和重构单元；其中，所述双向自适应局部‑全局特征编码器用于提取精分辨率图像的多分辨率局部‑全局特征和粗分辨率图像的多分辨率局部‑全局特征；

S200，获取待处理图像，将所述待处理图像输入所述双向自适应局部‑全局特征编码器，提取浅层局部特征和多个分辨率的局部‑全局特征；其中，所述待处理图像包括精分辨率图像和粗分辨率图像；

S300，将所述浅层局部特征和多个分辨率的局部‑全局特征经解码器从低分辨率向高分辨率逐级融合，生成理想分辨率的融合特征，进而通过重构单元将所述理想分辨率的融合特征生成高分辨率图像；

所述双向自适应局部‑全局特征编码器包括两条编码器支路，每条所述编码器支路均包括MDconv模块、分别与N+1个分辨率阶层对应的RMDCT模块和采样模块；

S200中，所述将所述待处理图像输入所述双向自适应局部‑全局特征编码器，提取浅层局部特征和多个分辨率的局部‑全局特征，包括：S210，将所述待处理图像输入MDconv模块，提取所述待处理图像的浅层局部特征；

S220，通过N+1个分辨率阶层的RMDCT模块和N次采样操作对所述待处理图像提取得到N+1个分辨率阶层的局部‑全局特征；

S210中，所述将所述待处理图像输入MDconv模块，提取所述待处理图像的浅层局部特征，包括：通过所述MDconv模块提取所述待处理图像的浅层局部特征，数学表达式如下：其中，SF0和SCN分别表示精分辨率图像和粗分辨率图像的浅层局部特征， 表示核大小为3、空洞率是i的空洞卷积操作，FIi和CIi分别表示由 提取的精分辨率图像和粗分辨率图像的特征， 表示卷积核为1的卷积操作，κlrelu(·)表示泄露线性整流函数，κconcat(·)表示沿通道方向的拼接操作，FI代表精分辨率图像，CI表示粗分辨率图像；

S220中，所述通过N+1个分辨率阶层的RMDCT模块和N次采样操作对所述待处理图像提取得到N+1个分辨率阶层的局部‑全局特征，包括：通过以下公式对所述待处理图像提取得到N+1个分辨率阶层的局部‑全局特征：F0＝κRMDCT(SF0)；

Fn＝κRMDCT(DFn‑1)n＝1,…,N；

CN＝κRMDCT(SCN)；

Cn‑1＝κRMDCT(UCn)n＝1,…,N；

其中，κRMDCT(·)表示RMDCT模块处理的函数，Fn表示由所述双向自适应局部‑全局特征编码器的一条编码器支路的第n分辨率阶层的RMDCT模块对精分辨率图像提取的局部‑全局特征，Cn表示由另一条编码器支路的第n分辨率阶层的RMDCT模块对粗分辨率图像提取的局部‑全局特征，DFn表示对Fn进行下采样操作获得的局部‑全局下采样特征，κunshuffle(·)表示下采样操作，UCn表示对Cn进行上采样操作获得的局部‑全局上采样特征，κshuffle(·)表示上采样操作， 表示核为3的卷积操作；其中，n＝0,1,…,N；

所述RMDCT模块包括残差‑MDconv模块和MDCT模块，所述MDCT模块为多头深度卷积Tr ansformer模块，所述残差‑MDconv模块和MDCT模块构成残差结构；所述残差‑MDconv模块采用残差连接避免梯度消失，用于提取和增强局部信息；所述MDCT模块包括层归一化处理模块、多头深度卷积注意力模块、增强的前向传递网络和残差连接；

所述RMDCT模块处理的过程包括：

S510，对MDCT模块的输入图像Z进行层归一化操作得到归一化后的特征ZLN，对所述归一化后的特征ZLN通过一个1×1卷积层聚集像素级跨通道上下文和1个3×3深度卷积编码通道分离空间上下文并生成查询、键和值；其中，第一分辨率阶层的MDCT模块的输入图像Z是所述浅层局部特征，后续MDCT模块的输入图像Z为前一分辨率阶层输出的局部‑全局下采样特征或局部‑全局上采样特征；

层归一化操作和生成查询、键和值的过程表达式如下：

ZLN＝κLN(Z)；

其中，κLN是层归一化操作，Z和ZLN是MDCT模块的输入图像和对所述输入图像层归一化处理后的归一化特征，Q、K、V分别为生成的查询、键和值， 和 表示映射生成Q的核为3×3的深度卷积操作和核为1的卷积操作； 和 表示映射生成K的核为3×3的深度卷积操作和核为1的卷积操作； 和 表示映射生成V的核为3×3的深度卷积操作和核为1的卷积操作；

S520，将查询Q和键K变形得到Qr和Kr，并进行点积和Softmax操作生成转置注意力图A，得到查询Q和键K之间相关性的全局注意力权重；其中，所述生成转置注意力图A的过程表达式如下：其中，A为转置注意力图像，Qr、Kr是分别对Q、K经变形操作获得； 是用于调节幅值的可学习参数；

S530，对值V变形得到Vr，将所述Vr与转置注意力图A相乘得到校正后的特征，有助于得到有用的局部上下文；最后对所述校正后的特征变形并通过1×1卷积实现特征互联得到互联特征ZA，将所述互联特征ZA与输入图像Z进行残差连接生成第一局部‑全局特征Z′；其中，所述生成互联特征ZA和第一局部‑全局特征Z′的过程表达式如下：Z′＝Z+ZA；

其中，ZA是经卷积自注意力校正后的互联特征， 表示核为1的卷积操作，κr为变形操作，Vr是对V经变形操作获得，Z′是经归一化处理、卷积自注意力和残差连接后输出的第一局部‑全局特征；

S540，所述第一局部‑全局述特征Z′通过层归一化操作、增强的前向传递网络和残差连接生成第二局部‑全局特征Z″；其中，所述生成第二局部‑全局特征Z″的过程表达式如下：其中，Z″为通过层归一化操作、增强的前向传递网络、残差连接后生成的第二局部‑全局特征，κGELU是高斯误差线性单元激活函数；

S550，将所述MDCT模块生成的第二局部‑全局特征Z″、经过残差‑MDconv模块操作的输入图像进行残差连接生成所述双向自适应局部‑全局特征编码器中第n分辨率阶层RMDCT模块的局部‑全局特征。

2.一种遥感图像的特征增强系统，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所述的遥感图像的特征增强方法。