1.一种超分辨率图像重建方法，其特征在于，包括：

图像分割步骤，获取多帧待处理图像，对多帧待处理图像进行配准后分割出所述待处理图像中的目标图像块；

显著图获取步骤，将所述目标图像块分为平坦区域和边缘区域并经各向异性扩散处理优化所述目标图像块，得到多张显著图；

图像插值重建步骤，基于所述显著图对所述目标图像块进行插值重建，所述目标图像块的平坦区域采用双线性插值法进行插值重建，边缘区域采用改进NEDI算法进行插值重建，其中，所述改进NEDI算法的权重系数为通过迭代优化求取得到；

图像融合步骤，获取插值重建后多张所述目标图像块，采用小波变换对图像进行分解及融合，并通过预设的低频融合规则优化图像的平坦区域、通过预设的高频融合规则优化图像的边缘区域，得到融合后的超分辨率图像，所述低频融合规则中，融合的图像低频信息表示为：；

其中，Cn为不同图像的低频分量，PLSn为归一化权重参数，n为图像序号，PLSn是基于相位一致性PC(x,y)、局部对比度SLCM(x,y)、局部拉普拉斯能量SML(x,y)计算得到的；

所述高频融合规则中，融合的图像高频信息通过如下计算模型计算筛选得到：；

其中，Dn为选取的不同图像，δ包含HL、LH、HH三个高频分量， 中包括 、 及，sobeln(x,y)表示对第n张图像提取边缘特征值后像素点(x,y)处的值，sobeln+1(x,y)表示对第n+1张图像提取边缘特征值后像素点(x,y)处的值。

2.根据权利要求1所述的超分辨率图像重建方法，其特征在于，所述图像分割步骤进一步包括：目标区域获取步骤，在所述多帧待处理图像中确定基准图像及多张待配准图像，分割提取所述基准图像中目标区域ROI；

候选匹配特征点集获取步骤，利用SIFT匹配算法对目标区域ROI进行特征点初匹配，得到 个候选匹配特征点以构成候选匹配特征点集 ；

目标图像块分割步骤，基于候选匹配特征点集 构建特征点筛选器，将多个所述待配准图像的特征点坐标值利用图像转换模型计算得到多个单应性矩阵H，从而基于所述特征点筛选器和所述单应性矩阵H在所述待处理图像中分割出目标图像块。

3.根据权利要求2所述的超分辨率图像重建方法，其特征在于，所述目标图像块分割步骤中，所述特征点筛选器通过如下计算模型计算得到：其中，L为待处理图像分割的子区域数量，k为迭代次数， 为计算第k次迭代循环第m个子区域中特征点的数量， 为第k次迭代中 最大的子特征区域， 为对 进行重新SIFT特征点匹配， 用于表示对 的特征点按精度进行排序并选择 个特征点的过程， 为向下取整， 为除 中匹配的特征点 之外的特征点， 为设定的特征点数量阈值， 。

4.根据权利要求3所述的超分辨率图像重建方法，其特征在于，所述图像转换模型表示为如下计算模型：；

其中， 、 为特征点坐标值，单应性矩阵H表示为：

，

其中， 、 、 、 、 、 、 、 、 为单应性矩阵的矩阵参数。

5.根据权利要求1所述的超分辨率图像重建方法，其特征在于，所述显著图获取步骤中，所述显著图 基于如下各向异性扩散计算模型计算得到：；

其中， 用于表示各向异性扩散滤波函数， 为输入计算模型的图像块，为各向异性的程度，当 时为各项同性，随着 增大，各项异性程度增强，r为滤波半径，C为各方向上的扩散矩阵，为滤波系数。

6.根据权利要求1所述的超分辨率图像重建方法，其特征在于，所述改进NEDI算法中，对每一个像素点(2i+1,2j+1)通过最陡梯度法迭代获得最优的插值系数 。

7.根据权利要求1所述的超分辨率图像重建方法，其特征在于，所述图像融合步骤中利用Mallat快速算法对图像进行分解融合。

8.一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至

7中任一项所述的超分辨率图像重建方法。