1.一种基于条件扩散模型的偏振图像超分辨率重建方法，其特征在于，包括以下步骤：

步骤一、搭建主动成像系统，拍摄目标物清晰的高分辨率偏振图像；

步骤二、使用双三次下采样的插值方法将目标物的高分辨率图像退化为低分辨率图像，制作数据集，按照7：2：1的比例分为训练集、验证集、测试集；

步骤三、根据扩散模型生成图像的思想，构建条件扩散神经网络，整体的网络结构按照U型设计，高分辨率偏振图像加入一定程度与时间相关联的随机高斯噪声，将低分辨率偏振图像进行计算得到DOLP图像，低分辨率图像与DOLP图像分别经过低频特征提取模块和高频特征提取模块得到两个特征图，将二者在通道上拼接构成新的特征图向量，将特征图向量和加过噪声的高分辨率偏振图像联合输入网络；首先经过四个编码器，在编码器中包含两个残差卷积模块、两个自注意力机制模块和一个下采样模块，以提取特征，再通过四个解码器进行上采样，解码器包含两个残差卷积模块、两个自注意力机制模块和一个上采样模块，每个编码器和解码器都嵌入一个与加入噪声程度相关联的时间参数，用于提示网络需要去噪的程度，网络在训练阶段输出一个预测噪声，将预测噪声与标准高斯噪声做均方误差损失以优化网络；

步骤四、对网络进行训练，使用步骤二中得到的数据集对步骤三所构建的条件扩散模型进行训练使其能够根据输入的低分辨率偏振图像以及服从标准正态分布的高斯噪声图像输出对应的高分辨率图像；

步骤五、对低分辨率偏振图像进行超分辨率重建。

2.根据权利要求1所述的基于条件扩散模型的偏振图像超分辨率重建方法，其特征在于：步骤一中拍摄的目标物的清晰高分辨率偏振图像：由光源（1）发出的光束依次经过偏振调制系统的偏振片（2）、和扩束器（3）后照射到目标物（4），经过目标物（4）反射后到达分焦平面偏振相机（5），从而得到目标物（4）的高分辨率偏振图像。

3.根据权利要求2所述的基于条件扩散模型的偏振图像超分辨率重建方法，其特征在于：步骤一中拍摄得到目标物的清晰高分辨率图像，利用数字图像处理中双三次插值方法对高分辨率图像进行下采样退化处理，得到目标物（4）的低分辨率偏振图像。

4.根据权利要求2或3所述的基于条件扩散模型的偏振图像超分辨率重建方法，其特征在于：使用532nm蓝绿激光器作为所述光源（1）。

5.根据权利要求4所述的基于条件扩散模型的偏振图像超分辨率重建方法，其特征在于：步骤三中所述的条件扩散神经网络中的残差卷积模块由三部分组成，第一部分是由用于将特征图进行小批量归一化操作、Swish激活函数和一个3*3的卷积层组成的结构；第二部分是用于时间嵌入的模块，该模块由一个Swish激活函数和1*1的卷积层构成；第三部分由特征批量归一化层、Swish激活函数、Dropout正则化层和一个3*3的卷积层组成。

6.根据权利要求5所述的基于条件扩散模型的偏振图像超分辨率重建方法，其特征在于：步骤三中所述的条件扩散神经网络中的自注意力机制模块由两部分组成，第一部分为组归一化，通过组归一化对输入进行标准化，以改善训练的稳定性和效率，在网络中帮助减少内部协变量转移；第二部分为卷积投影层，用于生成查询（Q）、键（K）和值（V）向量，查询（Q）决定了当前元素在整个序列中的关注焦点；键（K）提供了每个元素的标识，帮助查询找到相关元素；值（V）携带了实际的信息内容，最终根据查询和键的匹配程度加权生成输出。