En los últimos años, la medición fisiológica basada en fotopletismografía remota ha atraído mucha atención, especialmente desde la epidemia de COVID-19. Muchos investigadores han dedicado grandes esfuerzos para mejorar la robustez de la iluminación y la variación del movimiento. La mayoría de los métodos existentes dividen las ROIs en muchas subregiones y extraen la frecuencia cardíaca por separado, ignorando el hecho de que las frecuencias cardíacas de diferentes subregiones son consistentes. Para abordar este problema, en este trabajo proponemos un método de representación dispersa estructural para reconstruir las señales de pulso (SSR2RPS) de diferentes subregiones y estimar la frecuencia cardíaca. El método de representación dispersa estructural (SSR) considera que las señales de crominancia de diferentes subregiones deberían tener una representación dispersa similar en el diccionario combinado. Específicamente, primero eliminamos la tendencia de desviación de la señal utilizando el método de mínimos cuadrados penalizados adaptativos con reponderación iterativa (Airpls) para cada subregión. Luego, realizamos la representación dispersa en el diccionario combinado, el cual se construye considerando la pulsación y periodicidad de la frecuencia cardíaca. Finalmente, obtenemos las señales de pulso reconstruidas de diferentes subregiones y estimamos la frecuencia cardíaca con un análisis de espectro de potencia. Los resultados experimentales en los conjuntos de datos públicos UBFC y COHFACE demuestran una mejora significativa en la precisión de la estimación de la frecuencia cardíaca bajo condiciones realistas.