1.基于纬度感知潜在扩散模型的全向图像超分辨率重建方法，其特征在于，包括以下步骤：获取低分辨率全向图像并通过插值方法上采样得到引导图像；

构建纬度感知图并与图像特征融合后输入纬度感知网络，提取多尺度图像感知特征；

使用图像编码器分别对高分辨率图像和上采样引导图像进行编码，得到原始潜在表示与引导潜在表示，计算所述原始潜在表示与引导潜在表示差值得到潜在残差表示；

根据设定的扩散调度函数与马尔可夫转移规则，将原始潜在表示与残差表示叠加并加入高斯噪声，构建多阶段的潜在扩散序列；

从最终扩散表示出发，依赖去噪神经网络进行反向迭代采样，恢复原始潜在表示；

将重建后的潜在表示输入解码器解码为高分辨率图像；

通过联合损失函数对模型进行训练优化，所述损失函数包括潜在重建损失、图像重建损失和感知损失。

2.根据权利要求1所述的基于纬度感知潜在扩散模型的全向图像超分辨率重建方法，其特征在于，所述构建纬度感知图包括：对输入图像的垂直坐标构建余弦函数加权图，用于表达纬度扭曲信息；

将纬度图作为权重图与图像特征在通道维度拼接输入纬度感知网络；

纬度感知网络提取图像的结构与几何特征，用于辅助潜在表示重建；

其中纬度图中第 位置的权重为：

；

其中： 表示图像中第 列第 行像素的纬度加权值； 表示图像的高度，单位为像素；表示图像的横向坐标索引；表示图像的纵向坐标索引；为圆周率常数。

3.根据权利要求1所述的基于纬度感知潜在扩散模型的全向图像超分辨率重建方法，其特征在于，所述原始潜在表示与潜在残差的获取包括：使用编码器对真实高分辨率图像 编码，得到表示 ；

对上采样图像 编码得到引导表示 ；

与 的残差表示为：

；

其中： 表示高分辨率图像在潜在空间中的编码表示，为原始潜在表示； 表示上采样图像在潜在空间中的编码表示，为引导潜在表示； 表示二者之间的潜在残差特征图，为潜在残差表示。

4.根据权利要求1所述的基于纬度感知潜在扩散模型的全向图像超分辨率重建方法，其特征在于，所述构建多阶段的潜在扩散序列包括：设定扩散步数 、最小扩散强度 、最大扩散强度 、调度指数 ；

构建扩散强度调度函数：

；

在第 步生成潜在表示：

；

其中： 为第 步的扩散强度； 为扩散强度的最小值； 为扩散强度的最大值；

为扩散调度的指数控制因子；为总扩散步数；为当前扩散步索引，取值范围为 ；

为高斯噪声缩放系数； 为零均值单位方差的高斯随机噪声张量； 为原始目标潜在表示； 为前一阶段构造的潜在残差； 表示与调度因子绑定的标准差放缩项。

5.根据权利要求1所述的基于纬度感知潜在扩散模型的全向图像超分辨率重建方法，其特征在于，所述马尔可夫转移规则定义为：；

其中： 表示潜在扩散的转移概率密度函数； 表示上一扩散步的潜在表示；

表示上采样图像在潜在空间中的编码表示； 表示潜在残差特征图；

表示相邻步扩散强度的增量； 表示第 步的扩散强度； 表示第 步的扩散强度；

表示该步的协方差矩阵；为与潜在表示维度相同的单位矩阵； 表示均值为 、协方差为 的高斯分布对随机变量 的概率密度函数。

6.根据权利要求1所述的基于纬度感知潜在扩散模型的全向图像超分辨率重建方法，其特征在于，所述反向迭代采样过程包括：在每一步由去噪网络预测下一个潜在状态的均值与协方差，所述预测形式为：；

；

其中： 表示用于采样的均值向量； 表示用于采样的协方差矩阵； 表示第 步的扩散强度； 表示第 步的扩散强度； 表示相邻扩散步的强度增量； 表示第 步的潜在扩散表示； 表示引导潜在表示；为噪声缩放系数；为单位协方差矩阵；

为具有参数 的去噪神经网络函数，用于估计噪声残差； 为原始低分辨率全向图像；为与图像空间对应的纬度加权图；表示当前扩散步索引。

7.根据权利要求1所述的基于纬度感知潜在扩散模型的全向图像超分辨率重建方法，其特征在于，所述去噪神经网络包括：输入包含当前扩散潜在表示 、引导潜在表示 、低分辨率图像 、纬度图 、当前步数；

网络包含时间调制模块与像素感知控制模块，后者的特征增强表示为：；

其中： 表示最终融合后的输出特征图； 表示控制流分支的中间特征图； 表示上下文特征与控制特征拼接后的融合特征图； 表示具有零初始化权重的卷积操作； 表示对应元素逐位乘法操作。

8.根据权利要求1所述的基于纬度感知潜在扩散模型的全向图像超分辨率重建方法，其特征在于，所述解码器包括：输入为反向采样后的潜在表示 ；

包括由多层反卷积结构构成的解码模块，将潜在表示恢复为图像空间表示；

输出为重建后的高分辨率图像 。

9.根据权利要求1所述的基于纬度感知潜在扩散模型的全向图像超分辨率重建方法，其特征在于，所述损失函数包括：潜在空间重建损失：

；

图像空间重建损失：

；

感知损失：

；

其中： 表示L2范数，即欧式距离； 表示预测潜在表示的去噪神经网络；

表示在潜在空间中的去噪重建损失；为扩散总步数； 表示高分辨率图像在潜在空间的原始表示； 表示扩散到第 步的潜在表示； 表示由双线性插值图像编码得到的引导潜在表示； 为原始低分辨率全向图像； 为与图像空间对应的纬度加权图；表示当前扩散步索引； 表示像素空间的均方误差损失； 表示真实的高分辨率图像； 表示通过解码器生成的重建图像； 表示感知损失，用于衡量图像在深层特征空间中的差异； 表示预训练图像感知网络提取的图像深层特征表示。

10.根据权利要求9所述的基于纬度感知潜在扩散模型的全向图像超分辨率重建方法，其特征在于，所述损失函数的总损失函数定义为：；

其中： 表示用于像素感知控制块输出的一致性约束损失； 表示用于整体模型训练的联合损失函数； 表示潜在空间的重建损失； 表示图像空间的像素重建误差损失； 表示基于图像深层特征差异的感知损失； 为各损失项的加权系数。