1.一种基于注意力与蒸馏机制的轻量级超分辨率重建方法，其特征在于，以注意力与特征蒸馏结合的特征提取网络作为单幅图像超分辨率重建的深度网络，将一张输入的低分辨率图像通过该网络映射至高分辨率图像；

所述注意力与特征蒸馏结合的特征提取网络包括：浅层特征提取模块、非线性深层特征提取模块以及上采样重建模块；

所述浅层特征提取模块采用一个3×3的卷积从输入的低分辨率图像提取浅层特征；

所述非线性深层特征提取模块由多个特征蒸馏和注意力结合的特征提取模块堆叠构成；

所述上采样重建模块采用亚像素卷积上采样的方法。

2.根据权利要求1所述的特征蒸馏和注意力结合的特征提取模块，其特征在于：一个所述特征蒸馏和注意力结合的特征提取模块包含一个RFDB特征蒸馏模块和一个注意力卷积注意力模块；所述注意力卷积注意力模块由一个协同注意力模块、一个1×1卷积和一个增强的空间注意力模块构成，以对将蒸馏后的信息进行整合。

3.根据权利要求1所述的基于注意力与蒸馏机制的轻量级超分辨率重建方法，其特征LR HR在于：将输入的低分辨率图像I ，以高分辨率图像I 为目标，经过网络得到相应的超分辨SR率图像I ；其过程的公式描述为：

SR LR

I ＝HDAN(I )

其中HDAN(·)代表注意力与特征蒸馏结合的特征提取网络；

采用L1损失函数对网络进行优化；通过N组训练数据 进行训练；损失函数定义为：其中Θ代表网络模型中可以迭代的参数；训练结束后，得到注意力与特征蒸馏结合的特征提取网络的模型参数，直接用于图像超分辨率重建。

4.根据权利要求2所述的基于注意力与蒸馏机制的轻量级超分辨率重建方法，其特征在于：所述非线性深层特征提取模块由n个特征蒸馏和注意力结合的特征提取模块堆叠构成；

Fk＝Hk(Fk‑1),k＝1,...,n

其中Hk代表第k个特征蒸馏和注意力结合的特征提取模块，Fk‑1和Fk分别代表第k个特征蒸馏和注意力结合的特征提取模块的输入与输出的特征；每一个注意力与特征蒸馏结合的特征提取网络的输出特征Fk，最终到被连接到一起，之后，首先使用一个1×1的卷积降低通道，然后再用一个3×3的卷积以平滑地聚合这些特征，该过程由公式描述为：y＝Hassemble(Concat(F1,...,Fn))+F0其中y代表非线性深层特征提取模块的输出，Hassemble是一个1×1卷积接着一个3×3卷积。

5.一种基于注意力与蒸馏机制的轻量级超分辨率重建系统，其特征在于，包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，以实现如权利要求1‑4任一项所述的方法。