1.一种基于多支路特征融合的图像分割方法，其特征在于，包括以下步骤：
s1、建立一个基于xception的轻量化子网络subnet_1，按照建好的子网络subnet_1结构建立相同结构的子网络subnet_2和子网络subnet_3，将子网络subnet_1的特征提取模块stage1_1的输出连接到子网络subnet_2的特征提取模块stage2_1的输入上，将特征提取模块stage1_2的输出并联到特征提取模块stage2_2的输入上，将特征提取模块stage2_3的输出并联到特征提取模块stage3_3的输入上，对三个子网络的输出进行通道缩减操作和4倍双线性上采样，得到三个子网络的高级特征输出output_1、output_2和output_3，然后将高级特征输出output_1和output_2分别并联到特征提取模块stage2_1和stage3_1上，构造完成图像分割模型的编码器；
s2、将特征提取模块stage1_1、stage2_1和stage3_1的输出分别进行通道缩减操作，得到三个子网络tput_4、output_5和output_6，构造完成图像分割模型的解码器；使用两个尺寸不同的预测图像构造损失函数l；使用随机梯度下降优化器对损失函数l进行优化训练，获得训练好的图像分割模型，使用训练好的图像分割模型完成图像的分割任务。
2.根据权利要求1所述的方法，其特征在于，步骤s1中，基于xception的轻量化子网络subnet_1的内部网络结构为：输入图像→通道扩展操作→特征提取模块stage1_1→特征提取模块stage1_2→特征提取模块stage1_3→注意力模块fc_attention→输出层。
3.根据权利要求2所述的方法，其特征在于，通道扩展操作包含1个卷积层conv→1个批标准化bn→1个线性整流函数relu，卷积层的卷积核均为3x3、步长为1；特征提取子模块substage包含3个深度可分离卷积模块；深度可分离卷积模块包含1个线性整流函数relu→1个深度可分离卷积层separableconv→1个批标准化bn；深度可分离卷积的卷积核均为3x3，除每个特征提取模块中第一个深度可分离卷积层外，所有深度可分离卷积层的步长为1，第一个深度可分离卷积层的步长为2；注意力模块fc_attention包含1个全连接层fc和→1个卷积层，全连接层长度为192，卷积层中的卷积核为1x1。
4.根据权利要求1所述的方法，其特征在于，步骤s1中，图像分割模型的编码器的第一个子网络subnet_1的输入为8通道，通过第一个特征提取模块stage1_1后，通道增数增加到48、特征图尺寸变为输入图像的1/4；第二个特征提取模块stage2_1输出的通道数为96、特征图尺寸变为1/8；第三个特征提取模块stage2_3输出的通道数为192、特征图尺寸变为1/16；经过注意集中模块和通道缩减后，输出的通道数减少为32，特征图尺寸维持1/16；第二个子网络subnet_2的输入尺寸为第一个子网络subnet_1输入尺寸的1/2，通道数为80；第三个子网络subnet_3的输入尺寸为第一个子网络subnet_1输入尺寸的1/4，通道数为88。
5.根据权利要求1所述的方法，其特征在于，步骤s1中，对三个子网络的输出进行通道缩减操作具体为：
通道缩减操作包含1个卷积层conv→1个批标准化bn→1个线性整流函数relu，卷积层的卷积核均为3x3、步长为1。
6.根据权利要求1所述的方法，其特征在于，步骤s2中，图像分割模型的解码器结构具体为：
将特征输出output_3与特征输出output_6相加→2倍双线性上采样→与特征输出output_2与output_5再相加→2倍双线性上采样→与特征输出output_1与output_4再相加→4倍双线性上采样→1个卷积层→输出图像。
7.根据权利要求6所述的方法，其特征在于，特征输出output_3与特征输出output_6相加后的特征经过1个卷积层然后输出尺寸为最终预测图像1/16的小尺寸预测图像。
8.根据权利要求6所述的方法，其特征在于，所有特征加和的输出均为32通道，经过双线性上采样后，第一个双线性上采样的输出尺寸为64x64，第二个双线性上采样的输出尺寸为128x128，第三个双线性上采样的输出尺寸为512x512；经过最后一个卷积层后，输出通道减少为3。
9.根据权利要求1所述的方法，其特征在于，步骤s2中，对损失函数l进行优化训练的迭代次数为800，训练中批尺寸batch_size为16，使用两个尺寸不同的预测图像构造损失函数l如下：
l＝l1+λl2
其中，l1和l2分别为原图分辨率大小和1/16分辨率大小预测图像的交叉熵损失，λ为l2对应的权重值。
10.一种基于多支路特征融合的图像分割系统，其特征在于，包括：
编码器模块，建立一个基于xception的轻量化子网络subnet_1，按照建好的子网络subnet_1结构建立相同结构的子网络subnet_2和子网络subnet_3，将子网络subnet_1的特征提取模块stage1_1的输出连接到子网络subnet_2的特征提取模块stage2_1的输入上，将特征提取模块stage1_2的输出并联到特征提取模块stage2_2的输入上，将特征提取模块stage2_3的输出并联到特征提取模块stage3_3的输入上，对三个子网络的输出进行通道缩减操作和4倍双线性上采样，得到三个子网络的高级特征输出output_1、output_2和output_3，然后将高级特征输出output_1和output_2分别并联到特征提取模块stage2_1和stage3_1上，构造完成图像分割模型的编码器；
解码器模块，将特征提取模块stage1_1、stage2_1和stage3_1的输出分别进行通道缩减操作，得到三个子网络tput_4、output_5和output_6，构造完成图像分割模型的解码器；使用两个尺寸不同的预测图像构造损失函数l；使用随机梯度下降优化器对损失函数l进行优化训练，获得训练好的图像分割模型，使用训练好的图像分割模型完成图像的分割任务。