A técnica de reconstrução com super-resolução possibilita combinar diferentes imagens de uma mesma cena a fim de aumentar a resolução dessas imagens. Desde a década de 1970 diversos métodos surgiram para resolver matematicamente o problema da super-resolução, onde geralmente sua solução é obtida por meio da formulação de uma otimização matemática. Dentre esses métodos há em especial uma classe de algoritmos que apresenta maior robustez perante diferentes problemas que podem se fazer presentes no processo de captura das imagens. Essa característica de robustez tem base na sua formulação em norma L1. Algoritmos recursivos com norma L1 comumente utilizam do gradiente da função custo, que resulta em uma função sinal. Algoritmos de restauração de imagens com estrutura similar têm conseguido melhora em desempenho quando a função sinal é substituída por uma função de ativação, de forma similar às empregadas em redes neurais. É de interesse avaliar o impacto do uso de funções de ativação também em algoritmos de super-resolução. Neste trabalho, então, é proposta uma avaliação de desempenho de um dos algoritmos de super-resolução baseado em norma L1 mais referenciados na literatura quando submetido a uma função de ativação. Simulações indicam que o uso dessas funções pode agregar velocidade de convergência e qualidade perceptual aos resultados da reconstrução. Além disso, essa modificação sugere agregar robustez a outliers, o que pode ser observado nas regiões de fronteira das imagens reconstruídas (sic).