1.一种轻量级的糖尿病足溃疡图像分割方法，其特征在于，具体步骤为：获取待分割图像，对所述待分割图像进行预处理，获得预处理图像；

将所述预处理图像输入预先训练好的糖足溃疡图像分割模型中，获得分割图像；其中，所述糖足溃疡图像分割模型采用MC-UNet网络架构，包括依次连接的编码器、LSDE模块和解码器，所述LSDE模块引入了通道和空间注意力机制、多头交叉轴注意力机制，以捕捉所述预处理图像中的长距离依赖关系并增强特征表达；

其中，所述编码器包括多个视觉状态空间模块组和多个块合并操作，其处理步骤为：基于所述视觉状态空间模块组对所述预处理图像进行多尺度特征提取；

根据所述块合并操作对提取的多尺度特征进行下采样处理，生成多尺度提取特征；

所述LSDE模块中的数据处理步骤为：

通过所述通道和空间注意力机制对所述多尺度提取特征进行加权组合，进一步捕捉长距离的依赖关系，生成特征图M1；

通过作用于水平轴和垂直轴的1D卷积基于所述特征图M1分别提取多尺度上下文信息；

根据所述多尺度上下文信息利用所述多头交叉轴注意力机制沿x轴和y轴计算跨轴注意力，生成多尺度特征MT和多尺度特征MB；

对所述多尺度特征MT和所述多尺度特征MB进行卷积处理后，再与所述特征图M1进行相加，生成增强特征图。

2.根据权利要求1所述的一种轻量级的糖尿病足溃疡图像分割方法，其特征在于，所述预处理图像的获取步骤为：使用双线性插值法将所述待分割图像处理为预设分辨率的所述预处理图像。

3.根据权利要求1所述的一种轻量级的糖尿病足溃疡图像分割方法，其特征在于，所述视觉状态空间模块组包括至少一个视觉状态空间模块，所述视觉状态空间模块包括依次连接的层归一化、两个并行分支和线性层，所述预处理图像经过所述层归一化处理后进入并行分支，在第一分支中依次经过第一线性层、第一激活函数处理后生成第一提取特征；在第二分支中依次经过第二线性层、深度可分离卷积、SS2D模块、层归一化处理后生成第二提取特征；所述第一提取特征和所述第二提取特征逐元素相乘后，经所述线性层处理后与所述预处理图像进行相加，获得提取特征。

4.根据权利要求1所述的一种轻量级的糖尿病足溃疡图像分割方法，其特征在于，所述特征图M1的获取步骤为：所述多尺度提取特征依次经过通道空间注意力模块和空间注意力模块处理后，再进行归一化和1×1卷积处理，使所述多尺度提取特征的维度统一，生成所述特征图M1。

5.根据权利要求1所述的一种轻量级的糖尿病足溃疡图像分割方法，其特征在于，所述多尺度上下文信息的表达式为：式中，Norm表示归一化处理；中的x表示沿水方向卷积，i表示卷积核的大小；中的y表示沿垂直方向卷积，i表示卷积核的大小；Conv1×1表示进行1×1的卷积。

6.根据权利要求5所述的一种轻量级的糖尿病足溃疡图像分割方法，其特征在于，所述多头交叉轴注意力机制的表达式为：MT＝MHCAy(My,Mx,Mx)；

MB＝MHCAx(Mx,My,My)；

式中，MHCAy和MHCAx分别表示y轴和x轴方向上的多头跨轴注意力计算；MT为垂直方向的多尺度上下文信息；MB为水平方向的多尺度上下文信息。

7.根据权利要求1所述的一种轻量级的糖尿病足溃疡图像分割方法，其特征在于，所述解码器中数据处理步骤为：将所述增强特征图拆分多个增强特征子图；

将多个所述增强特征子图分别输入不同的深度可分离卷积模块中，获取不同尺度下的局部信息和全局信息；

将不同尺度下的局部信息和全局信息沿通道维度级联，构成拼接图像；

将所述拼接图像与所述增强特征图融合，获得融合图像。

8.一种轻量级的糖尿病足溃疡图像分割系统，应用如权利要求1-7任意一项所述的一种轻量级的糖尿病足溃疡图像分割方法，其特征在于，包括图像采集模块、模型构建模块和识别模块；

所述图像采集模块，用于采集糖尿病足溃疡图像，并构建训练数据集；

所述模型构建模块，用于基于MC-UNet网络架构构建初始糖足溃疡图像分割模型，并利用所述训练数据集对所述初始糖足溃疡图像分割模型进行迭代训练，获得糖足溃疡图像分割模型；所述初始糖足溃疡图像分割模型包括依次连接的编码器、LSDE模块和解码器，所述LSDE模块引入了通道和空间注意力机制、多头交叉轴注意力机制，以捕捉训练数据中的长距离依赖关系并增强特征表达，所述训练数据来自所述训练数据集；

所述识别模块，用于获取待识别图像，将所述待识别图像输入所述糖足溃疡图像分割识别模型，获得二值化分割结果。