1.一种基于最小二乘优化的压缩感知图像快速重建方法，其特征在于，包括以下步骤：S01：把原始图像信号S:N×N基于压缩感知方法的压缩采样Y:M×N，根据块测量矩阵ΦB:MB×B划分为 个互不重叠的块Yi:MB×B，其中 是基于压缩感知方法进行压缩采样时的采样率，

S02：利用整体重构设计WRFI重构每个块St:B×B，压缩采样为Yt:MB×B，稀疏系数记Θt:B×B，t为WRFI重构后块的个数，其过程如下：

S02-01：计算块感知矩阵AB＝ΦBΨB:MB×B中每一个原子αi，i＝1,2,…,B与当前二维残差R(k-1):MB×B的整体相关度 其中k表示当前是第k次迭代，αi是AB的第i列，二维残差R(k-1)的初始值为Yi并在每次迭代后更新，R(k-1)j是R(k-1)的第j列，ΨB:B×B是稀疏变换基且ΨB和ΦB线性无关；

S02-02：通过对比ρi，在序号不包含在原子序号集合Λk-1的原子中选出与当前残差最大相关原子的序号λk＝maxi＝1,2,...,N(ρi)；其中Λk-1是前面k-1次迭代中选择的最相关原子的序号组成的集合，λk表示第k次迭代选出的最相关原子的序号；

S02-03：把λk并入集合Λk-1，把原子 并入集合Ak-1得到：Λk＝[Λk-1,λk]，其中 是AB的第λk列，Ak-1是前面k-1中得到的最相关原子的集合；

S02-04：基于Ak和最小二乘优化方法获取本次迭代的近似逼近解Θtk；Θtk是第k次迭代得到的稀疏系数Θt的近似逼近；

S02-05：判断迭代条件：达到设定的重构精度或设定的最大迭代次数K，则结束重建块St的迭代计算并跳转到S02-07；Θtk是St的稀疏表示系数Θt的近似逼近解S02-06：更新参数R(k)＝Y-AkΘtk和k＝k+1，跳转至S02-01继续迭代；这里k是新的迭代次数，R(k)是新的二维残差；

S02-07：利用St＝ΨBΘt得到St的近似逼近解

S02-08：判断是否每个块St都已经重建：即当t≥n则跳至S03，否则跳至S02重构下一个块St+1；

S03：将所有的重构信号 拼接得到完整的重构信号

2.根据权利要求1所述的基于最小二乘优化的压缩感知图像快速重建方法，其特征在于，在重构过程之前还包括采样过程，采样过程包括以下步骤：S11：把原始图像信号S:N×N分割为 个大小为B×B的块，若原始图像信号边缘的分块大小不足B×B，将不足的部分的元素填充为0；

S12：对于每一个分块Si:B×B，i＝1,2,...,n使用相同的稀疏变换基ΨB:B×B进行稀疏变换Si＝ΨBΘi，其中Θi:B×B是Si的稀疏系数；

S13：对于每一个分块Si:B×B，使用相同的块测量矩阵ΦB:MB×B进行投影变换Yi＝ΦBSi，其中Yi:MB×B是Si的压缩采样， 就是采样率或压缩比，而Yi＝ΦBSi＝ΦBΨBΘi记为Yi＝ABΘi，AB就是压缩感知方法的感知因子，也即块感知矩阵；

S14：把每一个Yi拼接起来组成 Y就是原始图像信号S的压缩采样，就是采样率或压缩比。

3.根据权利要求1所述的基于最小二乘优化的压缩感知图像快速重建方法，其特征在于，所述块测量矩阵ΦB的大小为MB×B，分块大小大于等于256×256，在分块时当原始图像信号边缘的分块大小不足256×256，将不足的部分的元素填充为0；当重构完成后，将填充部分的值去掉。