1.一种轮船目标遥感影像的超分辨率重建方法，其特征在于，包括：

对轮船目标遥感影像样本库中的图像进行图像分块和图像块矩阵映射，得到高-低图像块映射矩阵；

基于所述高-低图像块映射矩阵，根据预设网络参数，利用机器学习深度卷积神经网络模型进行训练，得到超分重建卷积神经网络权重固化模型。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将低分辨率轮船目标遥感影像输入到所述超分重建卷积神经网络权重固化模型，从而输出得到高分辨率轮船目标遥感影像。

3.根据权利要求1所述的方法，其特征在于，所述利用机器学习深度卷积神经网络模型进行训练包括通过调用深度学习框架Caffe实现。

4.根据权利要求1所述的方法，其特征在于，所述预设网络参数包括模型结构设计参数，所述模型结构设计参数包括卷积神经网络层数以及特征图层数；

其中，所述卷积神经网络层数为24，所述特征图层数为64。

5.根据权利要求4所述的方法，其特征在于，所述预设网络参数还包括标准参数，所述标准参数包括卷积核大小、卷积核移动步长、激活函数、损失函数、梯度下降函数、残差层函数、训练图像块尺寸和目标图像块尺寸；

其中，所述卷积核大小为5×5，所述卷积核移动步长为20，所述激活函数为PRelu，所述损失函数为EuclideanLoss，所述梯度下降函数为Adam，所述残差层函数为Eltwise，所述训练图像块尺寸和所述目标图像块尺寸均为41；

每一层卷积计算后的高维特征图均利用所述激活函数进行计算，实现非线性特征映射。

6.根据权利要求5所述的方法，其特征在于，所述预设网络参数还包括训练策略参数，所述训练策略参数包括学习率策略、模型样本全训练迭代次数及批处理量；

所述学习率策略为step:10000,gamma:0.1；所述模型样本全训练迭代次数为3；所述批处理量为68。

7.根据权利要求6所述的方法，其特征在于，所述标准参数还包括网络初始化步长、训练图像尺寸填充值、基础学习率、网络动能系数、权重衰减系数及权重/偏置初始化方法；

所述网络初始化步长为1，所述训练图像尺寸填充值为1，所述基础学习率为0.0001，所述网络动能系数为0，所述权重衰减系数为0.0001，所述权重/偏置初始化方法为msra。

8.一种轮船目标遥感影像的超分辨率重建系统，其特征在于，包括：

样本集预处理模块，具体用于：对轮船目标遥感影像样本库中的图像进行图像分块和图像块矩阵映射，得到高-低图像块映射矩阵；

超分重建模型构建模块，具体用于：基于所述高-低图像块映射矩阵，根据预设网络参数，利用机器学习深度卷积神经网络模型进行训练，得到超分重建卷积神经网络权重固化模型。

9.一种电子设备，其特征在于，包括存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至7任一所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一所述的方法。