1.一种基于类高斯模糊核的图像正则化超分辨重建方法，其特征在于，所述方法包括以下步骤：步骤一：去噪预处理，对由于光学系统自身的不适应性导致退化的低分辩图像序列gk∈M×NR 进行去噪预处理，其中k为图像序列的个数；

步骤二：选取低分辨率序列图像中的一帧g0作为参考，通过光流法对序列中其他图像gl进行亚像素配准生成配准参数Fk，l＝1…k‑1；

步骤三：对光学图像退化中模糊过程进行数学表征，采用一种类高斯函数来构造PSF模糊核模型，类高斯函数f(t)描述为：这里 和 分别表示类高斯函数f(t)的对称部分和非

对称部分，该数学模型由{a1,a2,b1,b2,c1,c2}这六个参数唯一确定；

参数选取：根据光学系统的成像具有中心像素值高，向四周扩散过程中像素值逐渐降低的特点选择脉宽c1和c2、脉冲时延b1和b2；根据图像退化模型要在形态上近似实际点成像的特点选择幅值a1和a2；

步骤四：建立类高斯近似PSF模糊核模型：利用类高斯函数f(t)，以及选取的适当的参数{a1,a2,b1,b2,c1,c2}来建立类高斯近似PSF模糊核模型，构造形式为f(x,y)＝f(x)·f(y)；

步骤五：利用建立的类高斯模糊函数模型，进而构造5×5的PSF卷积核h，构造方法如下：首先，确定模糊区域，即生成一个5×5的矩阵；然后，确定模糊核，将每个网格的坐标值作为类高斯函数模型f(x,y)的坐标值，计算每点的权重并进行元素值的归一化处理后生成最终的5×5的PSF卷积核h；最后，转换为模糊矩阵，即利用卷积定理将模糊核h转换为模糊矩阵B；

步骤六：获取初始高分辨图像，即从低分辨图像中选取一幅作为参考，对其进行双三次插值，构成高分辨率图像解的一个初始估计，记为X0；

对于超分辨图像重建问题，选用梯度下降法迭代的方式来求解，根据实际情况设定迭代次数、迭代步长λ、正则化参数α、正则化算子Γ、下采样因子S；

步骤七：计算高分辨图像的估计误差，基于所获取的初始高分辨图像X0，按照以下公式计算高分辨图像的估计误差：其中，配准参数Fk、类高斯模糊矩阵B分别由步骤二和步骤五获得，下采样因子S由光学系统的几何结构得到，该估计误差W用于修正上一次迭代后的高分辨率图像；

步骤八：生成正则化约束项，选取正则化参数α、正则化算子Γ，并结合上次迭代的高分辨图像的估计Xn，按照如下公式生成正则化约束项：T

U＝αΓ ΓXn               (3)

其中正则化正则化参数α设定为一个常数或设定成随着迭代次数的改变而改变的一种自适应系数，生成正则化约束项U用于约束最终的估计值，使其满足先验概率特性；

步骤九：通过迭代的方式逐步重建高分辨图像，利用步骤七计算的高分辨图像的估计误差W和步骤八生成正则化约束项U，开始迭代重建，按照下述公式输出最终高分辨率图像Xn+1：Xn+1＝Xn‑λ{W+U}         (4)

其中，迭代终止条件根据具体的光学系统而进行设定。

2.如权利要求1所述的一种基于类高斯模糊核的图像正则化超分辨重建方法，其特征在于，利用形态上近似以及光学成像的特点类高斯模型参数设置的范围为a1∈[1,10],a2∈[‑10,10],b1,b2∈[‑10,10],c1,c2∈[0,10]。

3.如权利要求1或2所述的一种基于类高斯模糊核的图像正则化超分辨重建方法，其特征在于，正则化参数α取值范围为[0,5]，迭代步长λ取值范围为[0,10]。