1.一种基于卷积神经网络的细胞低分辨率图像融合方法，其特征在于，包括以下步骤：

步骤1)通过光学显微镜采集细胞的高分辨率图像，运用图像分割算法分割所述细胞的高分辨率图像得到目标细胞高分辨率图像；

步骤2)在所述目标细胞高分辨率图像中随机选择两幅，提取该两幅目标细胞高分辨率图像亮度通道上的图像分别作为卷积神经网络训练集label标签和测试集的label标签；

步骤3)将步骤2中剩余的所述目标细胞高分辨率图像运用Bicubic算法进行下采样，得到目标细胞低分辨率图像；

步骤4)在所述目标细胞低分辨率图像中，选取3/5的所述目标细胞低分辨率图像作为卷积神经网络训练数据，提取所有训练数据亮度通道上的图像组成训练集，1/5的所述目标细胞低分辨率图像作为卷积神经网络测试数据，提取所有测试数据亮度通道上的图像组成测试集，1/5的所述目标细胞低分辨率图像作为卷积神经网络模型验证数据，提取所有验证数据亮度通道上的图像组成验证集；

步骤5)在深度学习框架caffe上搭建CFFnet卷积神经网络，所述CFFnet卷积神经网络包括数据输入层、卷积层、反卷积层和输出层，设置训练参数，所述数据输入层包括训练集的label标签、测试集的label标签、训练集和测试集，所述CFFnet卷积神经网络对训练集中的数据进行训练和测试，训练的过程中通过不断迭代直到所述CFFnet卷积神经网络达到收敛，收敛的所述CFFnet卷积神经网络即为细胞融合模型，所述CFFnet卷积神经网络的输出层输出融合图像，细胞低分辨率图像融合完成。

2.根据权利要求1所述的一种基于卷积神经网络的细胞低分辨率图像融合方法，其特征在于，所述步骤1)中运用图像分割算法分割细胞的高分辨率图像得到目标细胞高分辨率图像具体为，利用matlab软件采集到的所述细胞的高分辨率图像求灰度值统计图，即灰度直方图，根据所述灰度直方图中灰度值的分布情况确定目标细胞灰度分割阈值，然后采用阈值分割，将目标细胞与背景分开，最后根据每个目标细胞的中心点的像素位置，截取出单个目标细胞，得到所述目标细胞高分辨率图像。

3.根据权利要求1所述的一种基于卷积神经网络的细胞低分辨率图像融合方法，其特征在于，所述步骤3)具体为，对于每幅步骤2中剩余的所述目标细胞高分辨率图像，通过寻找距离每个目标像素点周围最近的16个像素点，利用基函数求出对应的每个像素的权值，最终获的目标点的像素值，求出的所有目标点的像素值组成目标细胞低分辨率图像。

4.根据权利要求1所述的一种基于卷积神经网络的细胞低分辨率图像融合方法，其特征在于，所述步骤5)中的训练参数包括基础学习率、训练动量、学习策略模式及power值、权重衰减项和最大迭代次数。

5.根据权利要求1所述的一种基于卷积神经网络的细胞低分辨率图像融合方法，其特征在于，所述步骤5)中CFFnet卷积神经网络的激活函数为PRelu激活函数。