1.一种基于视觉感知的图像超分辨率方法，其特征在于，包括以下步骤：步骤1、建立图像数据集，所述图像数据集包括训练集和测试集，所述训练集中包括一一对应的高、低分辨率图像；

步骤2、构建生成网络模型，所述生成网络模型包括生成器和判别器；

步骤3、将所述训练集中的低分辨率图像、高分辨率图像分别输入生成器、判别器中进行训练，并利用第一损失函数、第二损失函数分别对生成器、判别器进行参数更新，得到图像超分辨率生成网络模型；

步骤4、将所述测试集输入图像超分辨率生成网络模型，生成高分辨率图像；

所述生成器的结构依次为：两层卷积注意层A、上采样层A、一层卷积注意层A、上采样层A、一层卷积注意层A、卷积层A；每层所述卷积注意层包括卷积层A和视觉注意层，所述卷积层A步长为1；

所述判别器的结构包括：依次排列的十一层卷积注意层、第一卷积层B、池化层B、第二卷积层B、第三卷积层B；每层所述卷积注意层包括卷积层A和视觉注意层，第一层所述卷积注意层中卷积层A步长为2；第二层至第十一层所述卷积注意层中，相邻两层卷积层A步长分别为1、2；第一卷积层B、第二卷积层B、第三卷积层B步长均为1；

所述视觉注意层的具体操作均为：

对输入的特征图进行卷积得到特征F1、特征G1、特征H1；对特征F1进行重塑并转置得到特征F2，对特征G1进行重塑得到特征G2，对特征H1进行重塑得到特征H2；将特征F2、特征G2相乘并归一化后得到视觉注意图；将特征H2和视觉注意图相乘并重塑后得到输出特征图。

2.根据权利要求1所述的一种基于视觉感知的图像超分辨率方法，其特征在于，所述第一损失函数为：（1）；

上式中，k1、k2、k3为自定义系数，Lpercep为感知损失， 为生成器相对损失，LHR为生成高分辨率图像与真实高分辨率图像间的L1损失；

Lsaliency为显著性损失：

（2）；

上式中，HC表示通过HC算法求得的显著性图像，HRgen表示生成器生成的高分辨率图像，HRreal表示真实的高分辨率图像。