1.一种拉普拉斯金字塔结构的团网络超分辨率图像重建方法，其特征在于：所述方法包括以下步骤：步骤1：取数据集图像为待重建图像，将待重建图像分为训练数据集与测试数据集；

步骤2：对训练数据集进行增强，对测试数据集进行预处理；

步骤3：构建拉普拉斯金字塔结构的团网络；

步骤4：将步骤2得到的增强后的训练数据集输入到步骤3构建的拉普拉斯金字塔结构的团网络中，训练拉普拉斯金字塔结构的团网络；

步骤5：将步骤2获得的预处理后的测试数据集输入到步骤4中训练好的拉普拉斯金字塔结构的团网络中，逐级重建超分辨率图像。

2.根据权利要求1所述的一种拉普拉斯金字塔结构的团网络超分辨率图像重建方法，其特征在于：所述步骤2中，对训练数据集进行增强包括以下步骤：步骤2.1.1：将训练数据集中的图像以α的倍数进行缩放、以β角度进行旋转、以γ的概率进行水平翻转及垂直翻转，得到处理后的图像；α＞0，0＜β＜360°，0＜γ＜1；

步骤2.1.2：将处理后的图像由RGB转换为YCbCr格式，提取Y分量；

步骤2.1.3：对步骤2.1.2中提取Y分量的图像以M倍进行下采样，得到低分辨率图像，得到增强后的训练数据集；M为正整数。

3.根据权利要求1所述的一种拉普拉斯金字塔结构的团网络超分辨率图像重建方法，其特征在于：所述步骤2中，对测试数据集进行预处理包括以下步骤：步骤2.2.1：将测试数据集中的所有图像由RGB转换为YCbCr格式，提取Y分量；

步骤2.2.2：对步骤2.2.1中提取Y分量的图像以M倍进行下采样，得到低分辨率图像，得到预处理后的测试数据集；M为正整数。

4.根据权利要求1所述的一种拉普拉斯金字塔结构的团网络超分辨率图像重建方法，其特征在于：所述步骤3中，构建拉普拉斯金字塔结构的团网络包括以下步骤：步骤3.1：设置浅层特征提取网络的内核大小、输出通道大小，输出第1层级特征提取分支的输入特征；

步骤3.2：以F0,S作为拉普拉斯金字塔S级的输入，在拉普拉斯金字塔结构的第S级构建n个构建模块，提取输入特征的细节特征Fn,S；S≥1；

步骤3.3：以上采样网络使用转置卷积对Fn,S进行上采样，得到图像在S级上的上采样特征FUP,S＝HUP(Fn,S)，其中，HUP()表示卷积运算；

步骤3.4：以残差提取网络获取在拉普拉斯金字塔S级中生成的残差图像IRES,S＝HRES(FUP,S)，其中，HRES()表示卷积运算；

步骤3.5：图像重建。

5.根据权利要求4所述的一种拉普拉斯金字塔结构的团网络超分辨率图像重建方法，其特征在于：所述步骤3.2中，构建模块包含团连通网络与局部特征融合网络，所述团连通网络包括输入节点和若干层结构，任意两个层结构间双向连接。

6.根据权利要求5所述的一种拉普拉斯金字塔结构的团网络超分辨率图像重建方法，其特征在于：所述步骤3.2中，构建模块提取输入特征的细节特征包括以下步骤：步骤3.2.1：以输入节点 通过单向连接初始化所述团连通网络中的所有层结构，令任一构建模块中团连通网络共p层；

步骤3.2.2：在金字塔S层级中，第n个构建模块中团连通网络的第c层输出为其中，σ()表示非线性激活函数，*表示带参数W的卷积运算，l为小于c的所有非负整数，Wij,n,S表示更新过程中各层之间的权值，Wij,n,S在不同阶段重复使用，i∈[0,l]，j∈[1,c]，每一层都将从最近更新的层接收反馈信息；c≤n；

步骤3.2.3：任意2个层结构交替更新，在金字塔S层级中，第n个构建模块中团连通网络的第c层在第k次循环中的输出为 c≥1、k≥2，m为大于c且小于等于p的所有整数；

步骤3.2.4：应用局部特征融合网络融合提取到的局部特征，融合后的第n个构建模块的输出为 其中，HLFF()表示卷积运算；

步骤3.2.5：输出构建模块提取的输入特征的细节特征。

7.根据权利要求5所述的一种拉普拉斯金字塔结构的团网络超分辨率图像重建方法，其特征在于：所述步骤3.5中，图像重建包括以下步骤：步骤3.5.1：在金字塔S级中，当S＝1时，使用上采样网络对输入的低分辨率图片进行上采样，当S＞1时，使用上采样网络对S-1级生成的高分辨率图像进行上采样，获得放大的低分辨率图像 其中，HUP()表示卷积运算，ILR为低分辨率图片，ISR,S-1为S-1级重建网络的输出；

步骤3.5.2：将上采样获得的放大的低分辨率图像ILSR,S与步骤3.4获得的残差IRES,S融合，获得金字塔S级重建的高分辨率图像ISR,S＝ILSR,S+IRES,S；

步骤3.5.3：图像重建完成。

8.根据权利要求1所述的一种拉普拉斯金字塔结构的团网络超分辨率图像重建方法，其特征在于：所述步骤4中，训练拉普拉斯金字塔结构的团网络包括以下步骤：步骤4.1：设置团网络的损失函数；

步骤4.2：设置团网络的动量参数、权值衰减和学习率；

步骤4.3：以设置的损失函数、动量参数、权值衰减和学习率训练团网络。

9.根据权利要求1所述的一种拉普拉斯金字塔结构的团网络超分辨率图像重建方法，其特征在于：所述步骤5中，以重建后的超分辨率图像的Y分量上的峰值信噪比和结构相似性评估重建的高分辨率图像。