1.一种多尺度自适应近似无损编解码方法，其特征在于：所述方法包括以下步骤：

1)将原图像划分为多个大小不同的尺度层级，使用多尺度特征提取器提取不同尺度下的图像特征；

2)由细节编码器对不同尺度下的图像特征进行编码，获得原图像的细节隐变量；

3)由趋势编码器对最后一层图像特征进行编码，获得原图像的趋势编码隐变量，与细节隐变量共同构成原图像的近似无损编码；

4)由趋势解码器对趋势隐变量进行解码，获得原图像的模糊轮廓；

5)由细节解码器对细节隐变量进行解码，获得原图像的细节信息；

6)将解码得到的模糊轮廓与细节信息累加，得到原图像的近似无损还原。

2.一种如权利要求1所述的多尺度自适应近似无损编解码方法实现的系统，其特征在于，所述系统包括：隐变量编码器，用于将高维的图像数据压缩为低维的编码信息；近似无损重建模块，用于将低维的解码信息近似无损的还原为编码前的图像。

3.如权利要求2所述的系统，其特征在于：所述隐变量编码器包括：多尺度特征提取器，用于提取原图像在不同尺度下的特征；细节编码器O，生成不同尺度下的细节隐变量Eall；趋势编码器V，生成含有原图像模糊轮廓信息的趋势隐变量E9。

4.如权利要求3所述的系统，其特征在于：所述细节编码器O与趋势编码器V生成的隐变量服从某一预定义的先验概率分布。

5.如权利要求4所述的系统，其特征在于：所述细节编码器O根据训练集的统计特性，自适应的调整编码中包含的细节信息和比重。

6.如权利要求3所述的系统，其特征在于：所述多尺度特征提取器，对输入的图像进行多尺度逐层提取特征之后获得多个特征图，并且各特征图的尺寸大小各不相同。

7.如权利要求3所述的系统，其特征在于：将多尺度特征提取器在最后一层提取的特征视为含有原图像模糊轮廓的特征。所述趋势编码器V用于将最后一层特征压缩编码为趋势隐变量。

8.如权利要求2～7之一所述的系统，其特征在于：所述无损重建模块包括：趋势解码器D，根据趋势编码器生成的趋势隐变量还原出原图像的模糊轮廓；细节解码器G，根据细节编码器生成的细节隐变量还原出原图像的细节信息；解码综合器，综合分析处理趋势解码器和细节解码器生成的解码结果，近似无损的还原出原始图像。

9.如权利要求8所述的系统，其特征在于：所述细节解码器G的数量与所述细节解码器O的数量相等；所述趋势解码器D的数量与所述趋势编码器V的数量相等。

10.如权利要求8所述的系统，其特征在于：每一个细节解码器G可以还原出原图像的部分细节，多个细节解码器的输出结果共同构成了原图像完整的细节信息。