1.一种遥感图像超分辨率方法，其特征在于，包括：

获取待处理遥感图像；

将所述待处理遥感图像输入至预先构建的超分辨图像生成模型中，得到所述待处理遥感图像的超分辨图像；

其中，所述超分辨图像生成模型基于SRGAN模型，包括生成器、判别器及网络层；所述生成器和所述判别器的损失函数为基于推土机距离所得；所述生成器为以高分辨率遥感图像为输入图像，训练残差卷积网络所得；所述网络层不包含批标准化层，且所述网络层的最后一层的激活函数为带泄露整流函数；

其中，所述生成器的损失函数为 所述判别器的损失函数为

其中，x为所述超分辨图像生成模型的输入图像，fw为判别器网络函数，E为期望值，Pr为输入所述超分辨图像生成模型的样本分布，Pg为所述生成器产生的样本分布。

2.根据权利要求1所述的遥感图像超分辨率方法，其特征在于，所述判别器的最后一层不包含sigmoid激活函数，且所述判别器在更新过程中的参数差异值的绝对值在预设范围内。

3.根据权利要求1所述的遥感图像超分辨率方法，其特征在于，所述超分辨图像生成模型的优化算法为均方根传递算法。

4.根据权利要求1至3任意一项所述的遥感图像超分辨率方法，其特征在于，所述超分辨图像生成模型还包括可视化学习层，用于监控损失函数的下降状态。

5.根据权利要求4所述的遥感图像超分辨率方法，其特征在于，所述生成器的最后一层的卷积核为9*9。

6.一种遥感图像超分辨率装置，其特征在于，包括：

模型预构建模块，用于基于SRGAN算法预先构建超分辨图像生成模型，所述超分辨图像生成模型包括生成器、判别器及网络层；所述生成器和所述判别器的损失函数为基于推土机距离所得；所述生成器为以高分辨率遥感图像为输入图像，训练残差卷积网络所得；所述网络层不包含批标准化层，且所述网络层的最后一层的激活函数为带泄露整流函数；

遥感图像获取模块，用于获取待处理遥感图像；

超分辨遥感图像生成模块，用于将所述待处理遥感图像输入至预先构建的超分辨图像生成模型中，得到所述待处理遥感图像的超分辨图像；

其中，所述生成器的损失函数为 所述判别器的损失函数为

其中，x为所述超分辨图像生成模型的输入图像，fw为判别器网络函数，E为期望值，Pr为输入所述超分辨图像生成模型的样本分布，Pg为所述生成器产生的样本分布。

7.一种遥感图像超分辨率设备，其特征在于，包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至5任一项所述遥感图像超分辨率方法的步骤。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有遥感图像超分辨率程序，所述遥感图像超分辨率程序被处理器执行时实现如权利要求1至5任一项所述遥感图像超分辨率方法的步骤。