1.基于CNN和Transformer的车辆图像增强方法，其特征在于，包括以下步骤：S1、获取车辆监控摄像头视频，每秒对摄像头进行抽帧，获得车辆待检测图像；

S2、构建特征调制Transformer模块，输入图像特征到该模块，图像特征通过L个交叉精炼融合块学习深层特征，交叉精炼融合块由提取高频信息的高频增强残差块、捕获全局信息的矩形窗口注意力块、以及精炼全局表示的混合融合块组成，在最后一个交叉精炼融合块之后，使用一个3×3的卷积层聚合特征，并在其输出与图像特征之间建立残差连接，便于训练图像特征，并进行输出；

S3、构建车辆图像增强模型，模型由浅层特征提取模块、特征调制Transformer模块、重构模块组成；

S4、将车辆图像输入进车辆图像增强模型，获得超分辨率车辆图像。

2.根据权利要求1所述的基于CNN和Transformer的车辆图像增强方法，S2中的特征调制Transformer模块用于训练图像特征，其特征在于：S21、高频增强残差块由局部特征提取分支和高频增强分支组成，如果输入图像特征为

S22、对于矩形窗口注意力块，给定一个输入

S23、混合融合块为了更好地整合高频增强残差块和矩形窗口注意力块的优点，对于高频增强残差块的输出

3.基于CNN和Transformer的车辆图像增强系统，其特征在于，包括车辆图像数据采集模块、车辆图像增强模块，通过车辆图像数据采集模块采集所要检测的车辆图像，车辆图像增强模块内置车辆图像增强模型，模型由浅层特征提取模块、特征调制Transformer模块、重构模块组成，对于特征调制Transformer模块，输入图像特征到该模块，图像特征通过L个交叉精炼融合块学习图像深层特征，交叉精炼融合块由高频增强残差块、矩形窗口注意力块、混合融合块三种类型的块组成，在最后一个交叉精炼融合块之后，使用一个3×3的卷积层聚合特征，并在其输出与浅层特征之间建立残差连接，便于训练图像特征，并将特征进行输出。