1.一种含噪图像超分辨率方法，其特征在于，所述方法包括：

步骤1：输入一张低分辨率含噪图像I；

步骤2：以所述低分辨率含噪图像I为基础生成低分辨率测试图像Lk+1：步骤21：对所述低分辨率含噪图像I进行插值操作，获得关于低分辨率测试图像的初步估计图像步骤22：基于所述初步估计图像 分别生成横向多尺度图像金字塔、纵向多尺度图像金字塔和对角方向多尺度图像金字塔；

步骤23：利用所述横向多尺度图像金字塔、所述纵向多尺度图像金字塔和所述对角方向多尺度图像金字塔，获得关于所述初步估计图像 的去噪估计图像，所述去噪估计图像即为低分辨率测试图像Lk+1；

步骤3：对所述低分辨率含噪图像I进行高斯模糊操作，获得模糊图像Lk；

步骤4：将所述低分辨率含噪图像I和所述模糊图像Lk划成大小为s×s的图像块，分别构成训练集高分辨率图像块集合P＝{p}和训练集低分辨率图像块集合Q＝{m}，将所述低分辨率测试图像Lk+1划分成重叠的大小为s×s的图像块，构成测试集低分辨率图像块集合R＝{n}；

步骤5：对于训练集中的每一对{m，p}，通过泰勒展开和回归分析技术，求解从图像块m到图像块p的映射函数f；

步骤6：对于测试集中的低分辨率图像块n，在所述训练集低分辨率图像块集合Q上寻找与所述图像块n最相似的图像块m，将所述图像块m对应的映射函数f作用到所述图像块n上，获得相应的高分辨率图像块估计q；

步骤7：用步骤6的方法遍历所述测试集低分辨率图像块集合R中所有的图像块n，获得每个所述图像块n对应的高分辨率图像块估计q，最终的高分辨率图像H为所有所述高分辨率图像块估计q在像素重叠部分的算术平均。

2.如权利要求1所述的含噪图像超分辨率方法，其特征在于，步骤22具体包括步骤：步骤221：对所述初步估计图像 进行高斯模糊；

步骤222：对经步骤221模糊后的图像进行下采样操作，获得下采样图像步骤223：对所述下采样图像 重复高斯模糊和横纵坐标两方向的下采样操作，得到第一下采样图像，所述第一下采样图像的集合构成对角方向多尺度图像金字塔；

步骤224：对所述下采样图像 重复高斯模糊和横坐标方向的下采样操作，得到第二下采样图像，所述第二下采样图像的集合构成横向多尺度图像金字塔；

步骤225：对所述下采样图像 重复高斯模糊和纵坐标方向的下采样操作，得到第三下采样图像，所述第三下采样图像的集合构成纵向多尺度图像金字塔。

3.如权利要求2所述的含噪图像超分辨率方法，其特征在于，步骤23的去噪估计方法为：步骤231：对所述初步估计图像 中的每一个大小为s×s的图像块k，其去噪估计如下：设所述图像块k中心像素坐标为(x,y)，在对角方向多尺度图像金字塔的每一层图像上，选出以(rdx,rdy)为中心的大小为s×s图像块kd；类似地，横向多尺度图像金字塔上的图像块kd其中心像素的坐标为(x,rdy)，纵向多尺度图像金字塔上的图像块kd其中心像素的坐标为(rdx,y)；则所述图像块k的去噪估计满足如下表达式：d 2 d-1 d

其中， 用于衡量k 与k间的相似性，σr 用于衡量k内部的噪声含量，λ＝0.5，满足式(1)最小化的kd则为k的去噪估计图像块；

步骤232：遍历所述初步估计图像 中所有的图像块k，由步骤231获得其去噪估计图像块，从而得到低分辨率测试图像Lk+1。