1.一种基于稀疏正则化技术和加权引导滤波的图像超分辨率方法，其特征在于，包括以下步骤：步骤1：首先对HR训练样本图像进行下采样，得到HR和LR训练样本图像，然后采用联合字典训练算法对样本图像进行训练，得到HR字典Φh和LR字典Φl，再通过FSS算法求解式(1)所示的传统稀疏编码目标函数，得到Y对应的稀疏表示系数α，所述式(1)如下：式中，||α||0表示α向量包含的非零值个数，Y表示待重建的LR图像，Φl为LR图像对应的过完备字典；

最后通过式 求解初始重建图像

步骤2：在式(1)中引入由图像的非局部相似性原理构造得到的非局部相似正则化项和由LLE方法构造得到的流形学习正则化项，获得新的稀疏编码目标函数，其中两个正则化项通过结合步骤1中初始重建图像 进行构造；

步骤3：采用FSS求解新的稀疏编码目标函数，通过确定每一次迭代稀疏表示系数的符号来将非凸问题转变为凸问题，得到的新稀疏表示系数为步骤4：通过HR字典Φh与新稀疏表示系数 线性组合，即 得到重建后的图像步骤5：对引导滤波进行改进，得到加权引导滤波，并构造基于加权引导滤波的全局误差补偿模型，对步骤4中的重建图像 进行全局误差补偿，得到HR图像在步骤2中构造基于非局部相似性与流行学习的新稀疏编码目标函数的过程具体如下：步骤21：构造非局部相似正则化项，执行如下操作：步骤211、将初始重建图像 进行分块，在 中根据欧氏距离条件 寻找每一个局部的初始重建图像块 对应的所有相似图像块 其中d为一个恒定阈值；

步骤212、设 是图像块 的中间像素， 是相似图像块 的中间像素，则有即利用 的加权平均值 来预测 设h是权重调节因子，则为 分配的权重 为：

步骤213、确定预测误差项 通过处理可将误差表达式改写为其中wi为包含所有权重 的列向量，βi为包含所有 的列向量；

步骤214、简化误差项 为 其中，I是单位矩阵，Λ为权重矩阵，构造得到的非局部相似约束项为

步骤22：构造流行学习正则化项，执行如下操作：步骤221、采用流形学习中LLE方法计算图像块 邻域图像块的重构权值，计算公式(3)如下：其中，Ni为 的K邻域图像块，邻域图像块由欧氏距离确定；ωij是重建的权重，满足对于所有 ωij＝0；

步骤222、借助一个Garm矩阵对式(3)进行优化，Garm矩阵如下所示，其中，O的每一列为 的每一个邻域图像块，1为一个元素均为1的列向量，若ωi是由ωij组成的向量，则ωi权重估计值可以通过下式获得Giωi＝1，为了使 需要对ωi进行归一化处理；

步骤223、将重建权值 分配给重建图像块 得到重建图像块重建误差项步骤224、简化重建误差项 为 其中，I为单位矩阵，步骤23：将非局部相似正则化项 和流形学习正则化项 加入到稀疏编码目标函数，得到新的稀疏编码目标函数：

其中，γ是一个调整非局部相似正则化项的常数，η是一个调整流形正则化项权重的因子；第一项为重建保真项，用于确保重建图像与SR模型一致；第二项为稀疏惩罚项，用于保证稀疏表示系数α足够稀疏；第三项为非局部相似正则化项，用于消除伪影并保持边缘信息；第四项为流形正则化项，用于保持并恢复结构信息；

步骤24：对式(5)进行简化，令 则可化简为：

2.如权利要求1所述的一种基于稀疏正则化技术和加权引导滤波的图像超分辨率方法，其特征在于，在步骤5中，构造基于加权引导滤波的全局误差补偿模型的具体过程如下：步骤51：对引导滤波进行改进，得到加权引导滤波，执行如下操作：步骤511、定义局部线性模型：设I为引导差值图像，d'为待滤波的差值图像，d”是滤波后的差值图像，则局部线性模型为：其中，ak,bk表示在ωk邻域内的线性系数，假设为固定值；ωk表示以像素i为中心，k为半径的方形窗口；

步骤512、定义最小化的代价函数，该函数如式(8)所示，从而在邻域ωk内确定ak和bk；

其中，第一项为保真项，在最小化d'和d”差异的同时保证式(7)中局部线性模型的成立；第二项为规整项，υ是一个规整化因子，用于规整ak；

步骤513、对传统引导滤波中固定的规整化因子υ进行改进，实现自适应调整，以获取更小的逼近误差，同时采用高斯滤波对ΓI(p)进行平滑操作，边缘权重因子定义如下：其中， 是I在3×3邻域内的方差，取(0.001×C)2，C为灰度值范围；p(＝(x,y))表示图像像素的位置，将规整化因子υ改写为步骤514、改进最小化的代价函数，即结合式(9)改进式(8)中固定的规整化因子：步骤515、求解式(10)，求得ak和bk如下其中，μk和σk2分别表示在ωk窗口内图像I的灰度均值和方差，|ω|表示ωk内的像素数目， 表示在ωk内的灰度均值；

步骤516、通过步骤515中得到的ak和bk求解d”i，从而构造出加权引导滤波G；

步骤52：采用基于加权引导滤波的全局误差补偿模型对重建后的图像 进行全局误差补偿。

3.如权利要求2所述的一种基于稀疏正则化技术和加权引导滤波的图像超分辨率方法，其特征在于，所述步骤52中，全局误差补偿的具体步骤如下：步骤521、输入：待重建的低分辨率图像Y，稀疏表示重建后的高分辨率图像 最大迭代次数T；

步骤522、构造加权引导滤波器G；

步骤523、Fori＝1,2,...,T

将 下采样，得到图像

求出待重建LR图像Y和 的差值图像：

采用双三次插值法对差值图像d进行上采样，得到图像d'；

采用加权引导滤波G来对图像d'进行边缘保持，得到图像d”；

将d”与 叠加：

步骤54、输出：高分辨率图像