1.一种高光谱和多光谱图像融合方法，其特征在于实施步骤包括：
1）输入高光谱图像y和多光谱图像z；
2）采用奇异值分解从高光谱图像y中提取光谱子空间s；
3）将多光谱图像z和得到的光谱子空间s估计子空间系数a；
4）根据将光谱子空间s、子空间系数a相乘得到融合后的高光谱图像x；
步骤3）的详细步骤包括：
3.1）初始化迭代次数k等于1，将待估计的子空间系数a、引入的变量v、拉格朗日乘子g都初始化为元素全为0的矩阵，初始化惩罚因子μ的取值；
3.2）进行第k次迭代，根据式（1）更新待估计的子空间系数a，根据式（2）更新变量v，根据式（3）更新拉格朗日乘子g，根据式（4）更新惩罚因子μ；
上式中，y表示高光谱图像，s为光谱子空间，a表示待估计的子空间系数，b表示空间采样矩阵，z表示多光谱图像，r表示光谱采样矩阵，μ表示惩罚因子，v为引入的变量，g为拉格朗日乘子，
3.3）判断迭代次数k等于预设阈值k是否成立，如果成立则将最终得到的子空间系数a作为最终得到的结果；否则，将迭代次数k加1，跳转执行步骤3.2）继续进行迭代。
2.根据权利要求1所述的高光谱和多光谱图像融合方法，其特征在于，步骤2）的详细步骤包括：
2.1）针对高光谱图像y进行如下奇异值分解：y=u1σ1v1，其中，y表示高光谱图像，u1和v1为列正交矩阵，σ1表示对角矩阵，对角矩阵σ1保存着高光谱图像y的奇异值,且奇异值从大到小排列；
2.2）针对分解得到的对角矩阵σ1，通过保留对角矩阵σ1中前l个最大的奇异值、忽略剩下小的奇异值得到的由列正交矩阵u1的前l列构成的光谱子空间s。
3.根据权利要求1所述的高光谱和多光谱图像融合方法，其特征在于，步骤3.2）中根据式（1）更新待估计的子空间系数a具体是指将式（1）视为具有解析解的强凸问题，采用共轭梯度法来求解更新待估计的子空间系数a。
4.根据权利要求1所述的高光谱和多光谱图像融合方法，其特征在于，步骤3.2）中根据式（2）更新变量v时具体是指将式（2）视为从干净图像(a-g/(2μ))去除方差为λ/(2μ)的高斯白噪声的去噪问题，并采用深度卷积神经网络解决去噪问题以求解更新变量v，深度卷积神经网络的输入为干净图像(a-g/(2μ))和噪声等级λ/(2μ)，输出为干净的灰度图像。
5.根据权利要求4所述的高光谱和多光谱图像融合方法，其特征在于，所述深度卷积神经网络一共包含15层，第1层是大小为3×3的卷积操作和修正线性单元，第2～14层均包括大小为3×3的卷积操作、批处理化和修正线性单元，最后一层是大小为3*3的卷积操作。
6.根据权利要求1所述的高光谱和多光谱图像融合方法，其特征在于，步骤3）之前还包括建立式（1）～（4）所示多个子问题求解模型的步骤：
s1）建立融合后的高光谱图像x的子空间表示模型，将融合后的高光谱图像x表示光谱子空间s及其相应的子空间系数a的如下式所示：
x=sa（5）
上式中，x表示融合后的高光谱图像，s为光谱子空间，a为子空间系数；
分别建立高光谱图像y、多光谱图像z两者和融合后的高光谱图像x之间的关联表示模型如下式所示：
y=xb+ε1（6）
z=rx+ε2（7）
上式中，y表示高光谱图像，x表示融合后的高光谱图像，b表示空间采样矩阵，ε1表示建立高光谱图像y和融合后的高光谱图像x之间的转换噪声；z表示多光谱图像，r表示光谱采样矩阵，ε2表示多光谱图像z和融合后的高光谱图像x之间的转换噪声；
s2）根据式（5）、（6）、（7），将对子空间系数a的估计转化为下式所示的基础模型；
上式中，a表示待估计的子空间系数，y表示高光谱图像，s为光谱子空间，b表示空间采样矩阵，z表示多光谱图像，r表示光谱采样矩阵；
s3）为基础模型引入待估计的子空间系数a的先验信息λ
上式中，a为待估计的子空间系数，y表示高光谱图像，s为光谱子空间，b表示空间采样矩阵，z表示多光谱图像，r表示光谱采样矩阵，
s4）引入变量v=a，a表示待估计的子空间系数，建立需要优化增广的拉格朗日函数l(a,v,g)，其函数表达式如下式所示：
上式中，l(a,v,g)表示需要优化增广的拉格朗日函数，a表示待估计的子空间系数，v表示引入的变量，g为拉格朗日乘子，y表示高光谱图像，s为光谱子空间，b表示空间采样矩阵，z表示多光谱图像，r表示光谱采样矩阵,μ表示惩罚因子，
s5）将式（10）所示需要优化增广的拉格朗日函数l(a,v,g)转换分解得到式（1）～（4）所示多个子问题求解模型。
7.一种高光谱和多光谱图像融合系统，其特征在于包括：
输入程序单元，用于输入高光谱图像y和多光谱图像z；
光谱子空间提取程序单元，用于采用奇异值分解从高光谱图像y中提取光谱子空间s；
子空间系数估计程序单元，用于将多光谱图像z和得到的光谱子空间s估计子空间系数a；
融合处理程序单元，用于根据将光谱子空间s、子空间系数a相乘得到融合后的高光谱图像x；
所述子空间系数估计程序单元包括下述程序模块：
初始化程序模块，用于初始化迭代次数k等于1，将待估计的子空间系数a、引入的变量v、拉格朗日乘子g都初始化为元素全为0的矩阵，初始化惩罚因子μ的取值；
迭代更新程序模块，用于进行第k次迭代，根据式（1）更新待估计的子空间系数a，根据式（2）更新变量v，根据式（3）更新拉格朗日乘子g，根据式（4）更新惩罚因子μ；
上式中，y表示高光谱图像，s为光谱子空间，a表示待估计的子空间系数，b表示空间采样矩阵，z表示多光谱图像，r表示光谱采样矩阵，μ表示惩罚因子，v为引入的变量，g为拉格朗日乘子，
迭代判断程序模块，用于判断迭代次数k等于预设阈值k是否成立，如果成立则将最终得到的子空间系数a作为最终得到的结果；否则，将迭代次数k加1，跳转执行迭代更新程序模块继续进行迭代。
8.一种高光谱和多光谱图像融合系统，包括计算机设备，其特征在于，该计算机设备被编程或配置以执行权利要求1～6中任意一项所述高光谱和多光谱图像融合方法的步骤，或者该计算机设备的存储器中存储有被编程或配置以执行权利要求1～6中任意一项所述高光谱和多光谱图像融合方法的计算机程序。
9.一种计算机可读存储介质，其特征在于，该计算机可读存储介质中存储有被编程或配置以执行权利要求1～6中任意一项所述高光谱和多光谱图像融合方法的计算机程序。