1.一种基于模糊核估计和变分重构的超分辨率方法，其特征在于，包括以下步骤：步骤1：获取输入的低分辨率图像L，采用一阶回归和图像先验方法构建其超分辨率图像H；

步骤2：采用金字塔迭代方法对超分辨率图像H进行增强、模糊核估计以及重构，从而获得最优的模糊核函数；

步骤3：采用变分法重构超分辨率图像，得到超分辨率的最终图像HF。

2.根据权利要求1所述的基于模糊核估计和变分重构的超分辨率方法，其特征在于，所述步骤1包括以下步骤：步骤1.1：对输入的低分辨率图像L进行模糊处理，加入高斯模糊，得到模糊图像LB，输入的低分辨率图像L的进行上采样得到模糊图像HB；

步骤1.2：采用一阶回归方法构建低分辨率图像的超分辨率图像公式；

所述低分辨率图像的超分辨率图像公式如下所示：

步骤1.3：通过空间映射，简化构建的超分辩图像公式的一阶导数为常系数，并采用PCA分割映射空间，采用最小能量函数取得最优近似系数作为超分辩图像公式常量系数，从而获得低分辨率图像的超分辨率图像；

所述采用最小能量函数取得最优近似系数 的计算公式如下所示：其中，cof为最优近似系数，即恢复超分辨率的常量系数 的近似，G为高斯核函数，*为卷积运算，H为超分辨率图像。

3.根据权利要求1所述的基于模糊核估计和变分重构的超分辨率方法，其特征在于，所述步骤2包括以下步骤：步骤2.1：对超分辨率图像H的图像块的梯度矩阵进行奇异值分解，从而获取超分辨率图像的图像内容Q；

所述对超分辨率图像H的图像块的梯度矩阵进行奇异值分解的公式如下所示：其中，G为超分辨率图像的图像块的梯度矩阵， V＝[v1 v2]为正交矩阵，v1为超分辨率图像的图像块的梯度矩阵中梯度的主导方向，v2为超分辨率图像的图像块的梯度矩阵中与梯度方向垂直的边缘方向，s1为v1的能量值，s2为v2的能量值；

所述超分辨率图像H的图像内容Q表示如下所示：

步骤2.2：采用纹理-结构区分的最小能量函数，获取超分辨率图像的结构特征E(HS·HT)；

所述超分辨率图像H的结构特征E(Hs·HT)如下所示：其中，HS为超分辨率图像H的图像结构，HT为超分辨率图像H的图像纹理，λ为结构特征平衡系数，ε为正整数；

步骤2.3：采用分数阶增强模板对超分辨率图像的结构特征E(HS·HT)进行增强，得到增强后的超分辨率图像；

所述分数阶增强模板构建如下所示：

其中， Γ为伽马函数，t为函数f(t)的参数，f(t)为任意函数，α为分数阶的阶次，n为公式展开项数， 为分数阶导数；

步骤2.4：采用最小能量函数公式对超分辨率图像进行模糊核估计；

所述采用最小能量函数公式对超分辨率图像进行模糊核估计的公式如下所示：其中，E(k)为最小能量函数，HSE为增强后的超分辨率图像增强的边缘，γ为能量函数平衡系数，k为模糊核函数，为梯度算子；

步骤2.5：采用步骤2.4获得的模糊核函数对超分辨率图像H进行重构；

步骤2.6：判断当前迭代次数是否达到欧设定的迭代次数，若是，得到当前模糊核函数，执行步骤3，否则，返回步骤2.1。

4.根据权利要求1所述的基于模糊核估计和变分重构的超分辨率方法，其特征在于，所述采用变分法重构超分辨率图像的公式如下所示：其中，E(HF)为超分辨率图像的最小能量函数，β为光滑系数，HF为超分辨率的最终图像，k为模糊核函数，为梯度算子。