Las técnicas de superresolución (SR) han mostrado una promesa significativa en la mejora de la resolución de imágenes de MRI, que a menudo están limitadas por restricciones de hardware y tiempo de adquisición. En este estudio, introducimos un método de regularización avanzado para la superresolución de MRI que integra técnicas espacialmente adaptativas con un proceso de denoising robusto para mejorar la calidad de la imagen. El método propuesto sobresale en la preservación de detalles de alta frecuencia mientras suprime eficazmente el ruido, abordando limitaciones comunes de los enfoques SR convencionales. La validación de conjuntos de datos clínicos de MRI demuestra que nuestro enfoque logra un rendimiento superior en comparación con algoritmos tradicionales, produciendo una mayor claridad de imagen y mejoras cuantitativas en métricas como la relación de señal a ruido pico (PSNR) y el índice de similitud estructural (SSIM).