1.基于预测校验的图像插值方法，其特征在于：包括以下步骤，步骤(A)，利用图像插值算法对已知的LR图像进行插值，得到预插值的高分辨率图像HR1；

步骤(B)，根据高分辨率图像HR1，计算其上的每个像素在θ方向上的梯度步骤(C)，根据每个像素在θ方向上的梯度 得到该梯度对应的扩散梯度步骤(D)，根据每个像素的扩散梯度 判断出高分辨率图像HR1中每个未知像素的性质，得到高分辨率图像HR1上的边缘像素信息；

步骤(E)，对高分辨率图像HR1上的边缘像素信息进行校正，对边缘像素信息内的边缘像素进行更新，得到新的高分辨率图像HR2。

2.根据权利要求1所述的基于预测校验的图像插值方法，其特征在于：步骤(A)，利用图像插值算法对已知的LR图像进行插值，得到预插值的高分辨率图像HR1，如公式(1)所示，I(h)(i,j)＝Ω(I(l)(i,j))     (1)其中，I(l)(i,j)为已知的LR图像；I(h)(i,j)为预插值的高分辨率图像HR1；Ω为图像插值算法。

3.根据权利要求2所述的基于预测校验的图像插值方法，其特征在于：所述图像插值算法Ω为两倍图像插值算法。

4.根据权利要求1所述的基于预测校验的图像插值方法，其特征在于：步骤(B)，根据高分辨率图像HR1，计算其上的每个像素在θ方向上的梯度 包括以下步骤，(B1)每个像素在θ方向上的梯度 如公式(2)所示，其中， 为是方向导数，在离散情形下，用卷积来计算方向导数，如公式(3)所示，其中，*为卷积操作，Sθ为边缘检测算子所对应的掩模；

(B2)取θ＝0°，θ＝45°，θ＝90°以及θ＝135°，根据采用4个3×3的卷积掩模，计算四种情况下对应的梯度 如公式(4)-公式(7)所示，。

5.根据权利要求4所述的基于预测校验的图像插值方法，其特征在于：步骤(C)，根据每个像素在θ方向上的梯度 得到该梯度对应的扩散梯度 如公式(8)所示，其中， 为像素(i,j)在θ方向上的梯度值， 是计算得到的梯度值的平方，λ是正则参数，并根据梯度 得

到对应的扩散梯度 以及

6.根据权利要求5所述的基于预测校验的图像插值方法，其特征在于：步骤(D)，根据每个像素的扩散梯度 判断出高分辨率图像HR1中每个未知像素的性质，得到高分辨率图像HR1上的边缘像素信息，包括以下步骤，(D1)，令对应高分辨率图像HR1上的每个像素，在θ＝0°，θ＝45°，θ＝90°以及θ＝135°四个方向上的扩散梯度分别为 以及(D2)，将这四个方向分成两组正交方向进行比较，其中 和 是一组，和 是一组；

(D3)，对于对角方向上的像素，若 则此像素是边缘像素，此时，若则θ＝135°；若 则θ＝45°；若 则此像素是非边缘像素，不作处理，其中，T为阈值；

(D4)，对于水平和垂直方向上的像素，若 此像素是边缘像素，此时，若则θ＝90°；若 则θ＝0°；若 则此像素是非边缘像素，不作处理，其中，T为阈值；

(D5)，根据(D3)和(D4)，得到高分辨率图像HR1上的边缘像素信息，所示高分辨率图像HR1上的边缘像素信息为需要处理的边缘像素。

7.根据权利要求6所述的基于预测校验的图像插值方法，其特征在于：步骤(E)，对高分辨率图像HR1上的边缘像素信息进行校正，对边缘像素信息内的边缘像素进行更新，得到新的高分辨率图像HR2，包括以下步骤，(E1)，对于边缘像素，根据公式(9)进行校正，

I＝ω(Ia+Ib)+(0.5-ω)(Ic+Id)    (9)其中，ω是可调参数，I表示待求像素的灰度值；Ia，Ib，Ic以及Id表示已知边缘像素的灰度值，其中，Ia，Ib，Ic以及Id的确定过程如下，对于像素插值，u45(i,j)-u135(i,j)＞T，则θ＝135°，此时，Ia＝I(h)(i-1,j-1)，Ib＝I(h)(i+1,j+1)，Ic＝I(h)Ih(i-3,j-3)，Id＝I(h)(i+3,j+3)；

若u135(i,j)-u45(i,j)＞T，则θ＝45°，此时，(h) (h) (h) (h)

Ia＝I (i+1,j-1)，Ib＝I (i-1,j+1)，Ic＝I (i+3,j-3)，Id＝I (i-3,j+3)；

对于水平和垂直像素插值，若u0(i,j)-u90(i,j)＞T，则θ＝90°，此时，Ia＝I(h)(i-1,j)，Ib＝I(h)(i+1,j)，Ic＝I(h)(i-3,j)，Id＝I(h)(i+3,j)；

若u90(i,j)-u0(i,j)＞T，则θ＝0°，此时，(h) (h) (h) (h)

Ia＝I (i,j-1)，Ib＝I (i,j+1)，Ic＝I (i,j-3)，Id＝I (i,j+3)。

(E2)，根据(E1)对边缘像素信息内的各个边缘像素进行更新，得到新的高分辨率图像HR2。

8.根据权利要求6所述的基于预测校验的图像插值方法，其特征在于：所述阈值T，取值为0.021。

9.根据权利要求7所述的基于预测校验的图像插值方法，其特征在于：所述阈可调参数ω，取值为0.575。

10.基于预测校验的图像插值系统，其特征在于：包括预测器单元、校验器单元，所述预测器，用于利用图像插值算法对已知的LR图像进行插值，得到预插值的高分辨率图像HR1；

所述校验器，用于将高分辨率图像HR1上的边缘像素信息进行校正，边缘像素信息内的边缘像素进行更新，得到新的高分辨率图像HR2；

所述校验器，包括梯度计算单元、扩散梯度计算单元、边缘像素信息校正及更新单元；

所述梯度计算单元，用于根据高分辨率图像HR1，计算其上的每个像素在θ方向上的梯度所述扩散梯度计算单元，用于根据每个像素在θ方向上的梯度 得到该梯度对应的扩散梯度所述边缘像素信息校正及更新单元，用于对高分辨率图像HR1上的边缘像素信息进行校正，对边缘像素信息内的边缘像素进行更新，得到新的高分辨率图像HR2。