1.一种基于图像信息含量差异的自适应压缩感知重构方法，其特征在于，包括：步骤1：图像预处理

输入大小为IC×IR的原始图像，并把所述原始图像划分成n＝(IC×IR)/B2个互不重叠且大小为B×B的图像块，各图像块记为xl，其中l用来表示图像块的编号且l∈[1,n]；n表示图像块的分块数量；IC和IR分别表示图像的高度和宽度，B表示图像块的宽度和高度；

步骤2：根据所述图像块的灰度值矩阵计算所述图像块的采样因子，包括：将大小为B×B图像块的灰度值矩阵表示为I，在像素域中，假设空间位置为(i,j)的像素点为当前像素点，记g(i,j)表示空间位置为(i,j)的像素点的灰度值；计算当前像素点与所有相邻像素点的灰度值差值的标准差，记为σ(i,j)；其中相邻像素点的描述如下：在矩阵I中，假设空间位置为(k,t)的像素点为当前像素点的相邻像素点，则i、j、k和t满足如下公式表述的关系：另外σ(i,j)可以依据如下公式计算：

其中N(i,j)表示与当前像素点相邻的像素点个数；ε(k,t)表示空间位置为(k,t)的像素点与当前像素点灰度值差值的绝对值，且ε(k,t)＝abs(g(k,t)-g(i,j))，abs表示取绝对值函数；μ(i,j)表示由当前像素点灰度值计算得到的所有ε(k,t)的均值；以此式计算得到图像块中所有像素点的σ(i,j)值，定义图像块所有σ(i,j)值的和为图像块信息含量差异系数f，即：f＝∑σ(i,j)

所述的图像块信息含量差异系数f的值可以用来反映图像块所含信息量的大小；对整幅图像进行分块采样时，采用上述方式计算得到的f值作为各图像块分配采样数的依据，即对于编号为l的图像块的信息含量差异系数记为fl，fl的值越大说明其所对应的图像块分配的采样数越大；

为了更好地使用所述的fl来衡量各图像块所含信息量的多少，对fl的值进行如下公式的规范化：fl＝(fl-fmin)/(fmax-fmin)

其中fmin表示取各图像块中值最小的图像块信息含量差异系数，fmax表示取各图像块中值最大的图像块信息含量差异系数；根据以上计算公式可知fl的取值范围：0≤fl≤1；本发明中所述的采样因子的值取各图像块规范后的图像块信息含量差异系数值；

步骤3：基于所述采样因子采用所提出的自适应图像分块采样分配方案计算各图像块所对应的采样数，包括：第一步：基础分配

为每一个所述图像块分配一个基础采样数，各图像块所分配的基础采样数相等且取值均为1，此时有ml＝1，其中l对应图像块的编号，且l∈[1,n]；

第二步：按序分配

(a)采用如下公式计算整幅图像所需的总采样数，总采样数记为M；

M＝round(r·IC·IR)

其中IC和IR分别表示图像的高度和宽度，round表示四舍五入函数，r表示图像总的采样率；

(b)将计算得到所有图像块的采样因子组成的集合记为F0，且F0＝{fl|l∈[1,n]}，其中l表示F0中元素的下标，F0中某一元素对应图像块的编号与其下标相同，对F0按元素值大小进行降序排序后得到集合F1，有F1＝{fp|p∈[1,n]}，其中fp表示F0排序后的元素值；p表示F1中元素的下标；

(c)按如下的公式计算总的剩余采样数，总的剩余采样数记为△；

其中l对应图像块的编号，ml为图像块的采样数，从步骤(c)到步骤(h)表示的是分配图像块采样数的迭代过程，该过程的功能是将剩余采样数分配给相应的图像块，用q表示迭代轮次，q的初始值设为1；

(d)判断是否需要对剩余采样数进行分配操作，若△＝0，则说明所有图像块的采样数已经分配完成，直接执行第三步，直接取得各图像块采样数的集合；若△≠0，则对剩余采样数进行采样数分配操作，顺序执行如下步骤：(e)依据步骤(b)计算得到的集合F1更新当前采样因子对应图像块的采样数，此时当前采样因子的值取集合F1中第q个元素的值，其对应图像块的编号用index表示，index的值取集合F1中第q个元素的下标且取值范围为index∈[1,n]，则当前采样因子又可以表示为findex，其对应图像块的采样数记为mindex；根据如下公式计算当前采样因子findex对应图像块分配的采样数：Snum＝round(△·findex)

其中Snum表示当前要分配给图像块的采样数，round表示四舍五入函数；

(f)根据所述的Snum按如下方式更新当前采样因子findex对应图像块的采样数；

其中mindex表示编号为index的图像块xindex所对应的采样数；

(g)由于更新后mindex的值有可能超过图像块采样数的上界B2，因此还需要根据mindex的取值情况对其值进行微调，调整规则如下：(h)更新迭代轮次q，有q＝q+1；跳转到步骤(c)执行下一次迭代；

第三步：返回各图像块的采样数情况；至此对图像块采样数进行分配的过程结束；

步骤4：图像块测量矩阵的构造

构造一个大小为B2×B2的哈达玛矩阵作为测量矩阵Φ；根据步骤3计算得到的采样数ml构造各图像块所需的测量矩阵Φl，其中l对应图像块的编号，具体的构造方式是：各图像块的测量矩阵的行数为ml，列数为B2；最终得到各图像块的测量矩阵并表示为：Φ1，Φ2，...，Φn，其中n为步骤1所得的图像块分块数量；

步骤5：图像块采样

根据步骤4得到图像块测量矩阵Φ1，Φ2，...，Φn，由如下的方式计算各图像块灰度值的测量值：yl＝ΦlXl

其中yl表示灰度值测量值，Xl表示图像块xl的灰度值矩阵的向量化形式，其中l对应图像块的编号，且l∈[1,n]；

步骤6：图像重构

根据步骤5得到的灰度值测量值yl，其中l对应图像块的编号，采用正交匹配追踪算法OMP算法作为重构算法，分别对得到的灰度值测量值yl进行重构得到所对应的重构图像块；

将所有重构图像块进行组合得到完整的重构图像；到此图像分块采样和重构的过程结束。