1.一种基于edsr单图超分辨率重建方法，其特征在于，具体重建方法如下：
s1、标准化输入：首先，将输入的图像像素标准化至(-1,1)之间，公式为：i/127.5-1，然后，将标准化的图像像素输入至头卷积层；
s2、在头卷积层，做3*3卷积，卷积核个数为图像放大倍数的平方*3，然后输出至resblock层；
s3、在resblock层，resblock层可重复8次、12次或16次，单次步骤如下：
s3.1、先做1*1卷积，给通道做扩展学习原图更多的细节特征；
s3.2、接着做relu激活函数；
s3.3、再做1*1卷积，使通道数按比例压缩，减少参数大小和加快计算；
s3.4、最后进行3*3卷积，得到本层输出特征图，将输入层与输出层相加就是本层的最终输出结果；
s4、经头卷积层输出结果输送至尾卷积层，将最后一层resblock输出作为输入，做3*3卷积，卷积核个数为图像放大倍数的平方*3，得到特征矩阵m；将标准化输入作为输入，做5*5卷积，卷积核个数为图像放大倍数的平方*3，得到特征举证n，m+n即为尾卷积层输出；
s5、在像素拼图层，采用像素拼图上采样法，将尾卷积层的输出结果做像素拼图上采样，即把通道数上的像素压缩到rgb上；
s6、在反标准化层，将区间在(-1,1)的输出扩充到区间为(0,255)的像素大小，公式为：(i+1)*127.5，最后输出放大后的图片。
2.根据权利要求1所述的一种基于edsr单图超分辨率重建方法，其特征在于：所述步骤s1中，参数标准化公式如下：
梯度计算公式：
3.根据权利要求1所述的一种基于edsr单图超分辨率重建方法，其特征在于：所述步骤s3中，padding用same的方式进行图周围矩阵填充，填充后使得输入输出维度相同。
4.根据权利要求1所述的一种基于edsr单图超分辨率重建方法，其特征在于：所述步骤s3中，采用resblocks搭建超深神经网络，将前层输出和深层输出相加连接，对隐藏层的特征通道做加深处理。
5.根据权利要求1所述的一种基于edsr单图超分辨率重建方法，其特征在于：所述步骤s3中resblocks采用weightnormalization。
6.根据权利要求1所述的一种基于edsr单图超分辨率重建方法，其特征在于：所述步骤s5中，采用像素拼图上采样法，在做卷积过程中加大特征矩阵通道数为r^2，在输出层前将通道压缩成图像长宽r。
7.根据权利要求1所述的一种基于edsr单图超分辨率重建方法，其特征在于：所述步骤s5中，通道数上的像素输入为(n,c×upscale_factor2,h,w)，输出为(n,c,h×upscale_factor,w×upscale_factor)。