传统的超分辨重建算法往往采用梯度下降法进行求解，迭代时步长往往通过经验确定。而且不同的图像的最优步长往往不相同。步长过大会导致发散，步长过小会导致收敛缓慢。本算法基于对正则化超分辨重建算法实现的基础上，对步长的选取进行了优化，推导出了每次迭代时的最优步长大小，并将其自适应化，改进了超分辨算法的收敛性，从而能够在更短的时间内取得更加精确的重建结果。相关具体内容请参考对应的论文：Yingqian Wang, Jungang Yang, Chao Xiao, and Wei An, "Fast co
含psnr,rmse, ergas, sam, uiqi,ssim,DD,CCS，matlab版图片评估指标，适用与高光谱图像，多波段图像
Computes a number of quality indices from the remote sensing literature, namely the RMSE, ERGAS, SAM and UIQI indices.
ground_truth - the original image (3D image),
