1.一种面向大区域多源数据的空域辐射归一化方法，其特征在于，包括以下步骤：基于遥感观测图像集生成多成因辐射归一化图像数据库，随机选取两张多成因辐射归一化图像以形成样本图像对，其中一张多成因辐射归一化图像作为参考图像，另一张多成因辐射归一化图像作为待归一化图像；

构建生成对抗网络，所述生成对抗网络设有超分辨率模块、风格迁移模块及归一化模块，通过超分辨率模块将样本图像对进行融合处理以形成融合清晰度图像，将融合清晰度图像输入至风格迁移模块形成辐射一致图像，通过归一化模块对辐射一致图像进行优化形成归一化图像，进而完成对生成对抗网络的优化，得到归一化对抗预训练模型；

通过多成因辐射归一化数据库对归一化对抗预训练模型进行训练，得到归一化对抗模型；

基于归一化对抗模型对空域辐射待归一化图像进行处理，得到对应的空域辐射归一化图像；

其中，所述通过归一化模块对辐射一致图像进行优化形成归一化图像，包括以下步骤：将辐射一致图像进行归一化处理，得到归一化后多源时序影像数据，其中，所述多源时序影像数据至少包括大场景影像与其他大场景影像；

基于归一化后多源时序影像数据，通过变分框架将重叠区域与非局部相似像元进行匹配；

构建权重矩阵，构建预条件正则化先验模型并保留梯度一致性约束，使得条件正则化先验结果中非局部相似像元的权重达到最小值，得到最佳归一化图像；

所述条件正则化先验模型，表示如下：

其中， 、 分别表示归一化后多源时序影像数据， 表示梯度算子， B表示波段数，表示归一化后多源时序影像数据的全部空间， 、 分别表示约束项系数， 表示非局部相似像元的权重。

2.根据权利要求1所述的面向大区域多源数据的空域辐射归一化方法，其特征在于，所述通过超分辨率模块将多成因辐射归一化图像形成统一清晰度图像，包括以下步骤：分别在样本图像对的相同位置进行编码，基于编码的相关信息得到几何对齐的样本图像对；

对几何对齐的样本图像对分别进行特征提取，得到第一特征和第二特征并形成特征对；

通过光流对齐模块对特征对的光流场信息进行提取，得到像素的运动信息；

基于光流场信息将像素按照运动信息进行调整，将样本图像对之间的特征对齐；

通过注意力机制将参考图像的纹理信息融合至待归一化图像中，得到融合清晰度图像。

3.根据权利要求1所述的面向大区域多源数据的空域辐射归一化方法，其特征在于，所述将融合清晰度图像输入至风格迁移模块形成辐射一致图像，包括以下步骤：将融合清晰度图像变化为预设尺寸图像，将预设尺寸图像通过卷积层处理，得到逐像素特征；

分析逐像素特征之间的相关性，得到空域信息矩阵；

基于所述空域信息矩阵保留地物信息特征；

基于保留地物信息特征的融合清晰度图像，重建得到辐射一致图像。

4.根据权利要求3所述的面向大区域多源数据的空域辐射归一化方法，其特征在于，所述将融合清晰度图像变化为预设尺寸图像，具体为：将预设尺寸的图像输入至卷积层中，得到逐像素特征向量；

保持特征图不变，将不同通道之间的逐像素特征向量进行融合，加入位置编码以恢复原始的序列排布，其中，逐像素特征向量通过特征向量与位置编码相加得到。

5.根据权利要求3所述的面向大区域多源数据的空域辐射归一化方法，其特征在于，所述得到空域信息矩阵，包括以下步骤：通过自注意力单元分析逐像素特征的自相似注意力权重矩阵，将逐像素特征通过投影矩阵转换为对应的查询嵌入、键嵌入和值嵌入；

基于查询嵌入及键嵌入计算注意力分数，并按照预设比例进行缩放，通过softmax函数进行转换，对相似度进行归一化处理；

利用位置编码的空间位置信息将逐像素特征向量的注意力分数复原组合成为与输入图像空间维度保持一致，生成经归一化后的归一权重矩阵，得到辐射一致图像；

表示如下：

其中， 、 及 分别表示投影矩阵， 表示查询嵌入、 表示键嵌入， 表示值嵌入， 表示注意力分数， 表示预设比例， 表示逐像素特征的输入序列。

6.根据权利要求1所述的面向大区域多源数据的空域辐射归一化方法，其特征在于，所述生成多成因辐射归一化数据库，包括以下步骤：基于大气辐射传输模型模拟大气辐射传输过程，得到不同大气状态下的遥感观测数据；

基于光谱响应函数将不同传感器之间的数据进行转换，得到转换后的遥感观测图像数据集，具体为：获取光谱响应函数，基于光谱响应函数将一个传感器的响应值转换到另一个传感器的波段上，通过比较两个传感器的光谱响应函数，计算两个传感器之间的光谱匹配转换因子；将转换因子应用于遥感观测数据，得到转换遥感观测图像数据集；

对转换遥感观测图像数据集通过面积加权进行数据重采样，得到生成多成因辐射归一化数据库；

其中，通过面积加权进行图像重采样，具体为：计算转换遥感观测图像中每个像元的实际地面面积；

基于每个像元的实际地面面积除以所有像元面积的总和，得到每个像元权重，进而通过每个像元权重得到加权平均值，以实现图像重采样。

7.根据权利要求1所述的面向大区域多源数据的空域辐射归一化方法，其特征在于，还包括以下步骤：将空域辐射归一化图像进行预处理，得到权重文件信息，其中，所述权重文件信息应用在仿射重建模型中。

8.一种面向大区域多源数据的空域辐射归一化系统，其特征在于，包括数据库构建模块、模型构建模块、模型训练模块及模型推理模块；

所述数据库构建模块，用于基于遥感观测图像集生成多成因辐射归一化图像数据库，随机选取两张多成因辐射归一化图像以形成样本图像对，其中一张多成因辐射归一化图像作为参考图像，另一张多成因辐射归一化图像作为待归一化图像；

所述模型构建模块，用于构建生成对抗网络，所述生成对抗网络设有超分辨率模块、风格迁移模块及归一化模块，通过超分辨率模块将样本图像对进行融合处理以形成融合清晰度图像，将融合清晰度图像输入至风格迁移模块形成辐射一致图像，通过归一化模块对辐射一致图像进行优化形成归一化图像，进而完成对生成对抗网络的优化，得到归一化对抗预训练模型；

所述模型训练模块，用于通过多成因辐射归一化数据库对归一化对抗预训练模型进行训练，得到归一化对抗模型；

所述模型推理模块，基于归一化对抗模型对空域辐射待归一化图像进行处理，得到对应的空域辐射归一化图像；

其中，所述通过归一化模块对辐射一致图像进行优化形成归一化图像，包括以下步骤：将辐射一致图像进行归一化处理，得到归一化后多源时序影像数据，其中，所述多源时序影像数据至少包括大场景影像与其他大场景影像；

基于归一化后多源时序影像数据，通过变分框架将重叠区域与非局部相似像元进行匹配；

构建权重矩阵，构建预条件正则化先验模型并保留梯度一致性约束，使得条件正则化先验结果中非局部相似像元的权重达到最小值，得到最佳归一化图像；

所述条件正则化先验模型，表示如下：

其中， 、 分别表示归一化后多源时序影像数据， 表示梯度算子， B表示波段数，表示归一化后多源时序影像数据的全部空间， 、 分别表示约束项系数， 表示非局部相似像元的权重。

9.一种计算机可读存储介质，所述计算机可读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如权利要求1至7任意一项所述的方法。

10.一种面向大区域多源数据的空域辐射归一化装置，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任意一项所述的方法。