1.一种基于自适应的块压缩感知图像重构方法，包括以下步骤：

1)对原图像进行基于不同块形状的块分割，得到K1个结果，即

2)设置阈值参数λ和采样比例u；原图像的尺寸为N×N，N为自然数，M＝N*u，迭代参数k1＝1；高斯随机矩阵 定义ε，ε＝0.01；itr为迭代次N×N

数；小波正交矩阵Ψ∈R ；

3)设置迭代参数k1＝1；

4) 将 子向量标记为 即 有Q个子向量；

5)初始化

6)设置迭代参数i＝0，

0 ‑1

7)初始化误差参数r＝1,r ＝0；

i i‑1 ‑5

8)如果满足条件|r‑r |＜10 ，调整λ，使λ的值为原来的1/2，并转到步骤7)，否则进入步骤9)；

i

9)令 x为第i次迭代结果；

10)对 进行Wiener滤波操作，

11)令

12)令 为 的中间值；

13)迭代参数p的值设置为1，将 子向量标记为 对于中的每一个子向量，迭代进行下述步骤14)～17)的操作：

14)定义迭代参数k＝1；对于 中的每个元素 进入步骤15)；

15)如果 那么

16)k的值加1，如果k小于 中元素的个数，跳转到步骤15)；否则转到步骤17)；

17)p的值加1，如果p小于或等于Q，则转到步骤14)；否则进入步骤18)；

18)计算

19)计算

20)

21)i的值加1，如果i<＝itr，则跳转到步骤8)，否则，继续步骤22)；

22)k1的值加1，如果k1<＝K1，则跳转到步骤4)，否则，继续步骤23)；

23)对于K1种分块方式，共得到K1个不同的重构结果，即 设置迭代参数k1＝1；

24) 中元素个数为T，统计 中绝对值小于ε元素的个数，定义为Z，spk1＝Z/T；

25)k1的值加1，如果k1<＝K1，转到步骤24)；否则进入步骤26)；

26)计算spd＝max{sp1,sp2,...,spK1}，得到稀疏度最大的结果的下标d，即得到最大结果

27)计算

28)令s'(1),s'(2),...s'(Q)为s'对应的行向量，将迭代参数p置1；

29)将s'的每一个行向量s'(p)转化成wd×hd的块 wd，hd分别为第d种分块方式的长和宽；

30)p的值加1，如果p<＝Q，转到步骤29)；否则进入下一步骤；

31)输出新的图像

2.根据权利要求1所述的基于自适应的块压缩感知图像重构方法，其特征在于，步骤1)中，采用多种形状的块，对任意图像s进行分割，具体步骤包括：N×N n

1)对于任意图像s进行大小调整操作，使得s∈R ，且N＝2；

2)对调整后图像进行多种方式的分割，共有K1种分块方式，其中 定义块的a‑1 b

大小长hk和宽wk，取wk＝2 ,hk＝2，k＝1,...,K1,且a＝1,...,K1；b＝K1‑a；

3)设置迭代参数k1＝1；

(1) (2) (Q)

4)采用wk1×hk1对s图像分割，共得到Q个子块，每个子块标记为s ,s ,...,s ,设置迭代参数p＝1；

(p)

5)把s 块转化成1×(wk1*hk1)的行向量 即行为1，列为wk1*hk1；

6)令

7)p的值加1，如果p<＝Q，则跳转到步骤5)；否则执行步骤8)；

8)输出图像分割后的结果

9)k1的值加1，如果k1<＝K1，则跳转到步骤4)；否则结束。