1.一种基于局部约束低秩表示的人脸超分辨率重建方法，其特征在于，包括以下步骤：S1、获取一张待重建的低分辨率人脸图像，将它与训练样品集里的多张高分辨率人脸图像分别进行比对，找到它与每张高分辨率人脸图像互相重叠的图像块；

S2、对低分辨率人脸图像上的每一个重叠图像块，分别计算其在局部约束和低秩约束条件下的表达权重系数，并对该表达权重系数进行求解，得到最优权重系数；

S3、对低分辨率人脸图像上的每一个重叠图像块，用它对应的高分辨率人脸图像上的重叠图像块，结合最优权重系数以及重叠次数进行合成，得到高分辨率的人脸图像块；

S4、对合成得到的多个高分辨率的人脸图像块进行位置拼合，得到一张完整的高分辨率人脸图像；

步骤S1中，先将待重建的低分辨率人脸图像划分为图像块，划分方法具体为：按照从左到右、从上到下的顺序重叠的划分图像块，当划分到边缘时，不够划分为一整个块时，就采用回退法，即当划分到图像的右边缘时，以右边缘为基准，向左取块；当划分到图像的底边边缘时，以底边边缘为基准，向上取块；

步骤S2中的表达权重系数的计算公式为：

其中，α是低秩约束系数，λ和β是控制低秩约束和局部约束的平衡因子， 表示点积，表示测量输入图像块和每个字典原子之间的距离的局部参数，d1的值在0和1之间，Ldiag(α)表示输入图像的重建向量，矩阵的最小化表示选择的重建图像y。

2.根据权利要求1所述的基于局部约束低秩表示的人脸超分辨率重建方法，其特征在于，步骤S2中求解最优权重系数的方法具体为：将表达权重系数的公式表示为：

s.t.Λ＝Ldiag(α)

将表达权重系数的公式结合拉格朗日函数表示为：

其中，tr(·)表示轨迹，||·||F是指Frobenius范数，Δ是拉格朗日乘子，μ是惩罚参数，λ和β是控制低秩约束和局部约束的平衡因子；

将表达权重系数的公式进一步表示为：

并对其进行求解，得到最优权重系数α。

3.根据权利要求1所述的基于局部约束低秩表示的人脸超分辨率重建方法，其特征在于，步骤S3中合成高分辨率图像块的公式为：x(i,j)＝Hn(i,j)α(i,j)

其中，α(i,j)为第i行第j列图像块的最优权重系数，Hn(i,j)为高分辨率人脸图像中的第i行第j列的高分辨率图像块，x(i,j)为合成后的图像中的第i行第j列的高分辨率图像块。

4.根据权利要求1所述的基于局部约束低秩表示的人脸超分辨率重建方法，其特征在于，步骤S4中拼合高分辨率的人脸图像的公式为：X＝y_sum/overlap_flag

其中，X表示重建后的高分辨率人脸图像，y_sum表示拼合后的图像，overlap_flag表示图像拼合时重叠次数。

5.一种基于局部约束低秩表示的人脸超分辨率重建系统，其特征在于，包括：图像块划分单元，用于获取一张待重建的低分辨率人脸图像，将它与训练样品集里的多张高分辨率人脸图像分别进行比对，找到它与每张高分辨率人脸图像互相重叠的图像块；

系数计算单元，用于对低分辨率人脸图像上的每一个重叠图像块，分别计算其在局部约束和低秩约束条件下的表达权重系数，并对该表达权重系数进行求解，得到最优权重系数；

图像块替换单元，用于对低分辨率人脸图像上的每一个重叠图像块，用它对应的高分辨率人脸图像上的重叠图像块，结合最优权重系数以及重叠次数进行合成，得到高分辨率的人脸图像块；

图像拼合单元，用于对合成得到的多个高分辨率的人脸图像块进行位置拼合，得到一张完整的高分辨率人脸图像；

所述系数计算单元中的表达权重系数的计算公式为：

其中，α是低秩约束系数，λ和β是控制低秩约束和局部约束的平衡因子， 表示点积，表示测量输入图像块和每个字典原子之间的距离的局部参数，d1的值在0和1之间，Ldiag(α)表示输入图像的重建向量，矩阵的最小化表示选择的重建图像y。

6.根据权利要求5所述的基于局部约束低秩表示的人脸超分辨率重建系统，其特征在于，所述图像块替换单元合成高分辨率图像块的公式为：x(i,j)＝Hn(i,j)α(i,j)

n

其中，α(i,j)为第i行第j列图像块的最优权重系数，H(i,j)为高分辨率人脸图像中的第i行第j列的高分辨率图像块，x(i,j)为合成后的图像中的第i行第j列的高分辨率图像块。

7.根据权利要求5所述的基于局部约束低秩表示的人脸超分辨率重建系统，其特征在于，所述图像拼合单元中拼合高分辨率的人脸图像的公式为：X＝y_sum/overlap_flag

其中，X表示重建后的高分辨率人脸图像，y_sum表示拼合后的图像，overlap_flag表示图像拼合时重叠次数。