1.一种基于粒子群优化的高光谱图像快速压缩感知重构方法，其特征在于，包括:步骤1、将初始波段序号设为j＝1，其中，高光谱图像总的波段数为J，波段序号为j；

步骤2、将初始图像块号设为l＝1，其中，对输入的每个波段图像进行分块，分块大小为B，分块个数为L，图像块号为l,Xj,l表示第j个波段第l个图像块；

步骤3、在采样端，利用高斯测量矩阵ΦB对图像块Xj,l进行测量，得到测量值为yj,l，并将测量值传输至重构端；

步骤4、在重构端，设定最优原子个数为K，原子个数为k,设定粒子群算法的种群个数为M，粒子标号为m,粒子的最大更新代数为T，粒子的更新代数为t；

步骤5、初始化残差r0＝yj,l，初始原子索引集合为Λ0＝[]，设定初始原子个数为k＝1；

步骤6、利用粒子群算法搜索得到最优原子的索引，即粒子群的群体极值步骤7、利用Gbest和公式(1)更新最优原子索引集合：Λk＝Λk-1∪Gbest      (1)步骤8、根据公式(2)计算Gbest对应的Gabor原子：其中，n＝1,2,...,B2，win为高斯函数；

步骤9、如果k＝1，则利用直接求解矩阵的逆的方法更新残差，即令原子字典根据测量矩阵ΦB得到 计算 并更新残差 否则转入步骤10；

步骤10、利用递归求解矩阵的逆的方法更新残差，即令原子字典表示为根据测量矩阵ΦB得到 则 根据公式(3)计算 并根据公式(4)计算残差；

步骤11、如果k≥K，输出 和 并转入步骤12；否则令k＝k+1，转入步骤

6；

步骤12、根据公式(5)计算重构图像块 并输出，转入步骤13：步骤13、如果l≥L，则转入步骤14；否则，令l＝l+1，转入步骤3；

步骤14、如果j≥J，则图像重构过程结束；否则，令j＝j+1，转入步骤2。

2.如权利要求1所述的方法，其特征在于，所述步骤6包括：步骤6.1、令粒子标号为m＝1；

步骤6.2、初始化粒子Zm的位置和速度，粒子的初始位置为的取值范围是

粒子的位置取值是对应参数范围中的一个随机数；粒子的初始速度为取值范围是 粒子的速度取值是

对应参数范围中的一个随机数；

步骤6.3、根据公式(6)计算生成粒子Zm对应的Gabor原子：步骤6.4、根据公式(7)计算粒子Zm的适应度值，并将粒子Zm的初始位置作为第m个粒子的个体极值

步骤6.5、如果m≥M，则选择具有最大适应度值的粒子个体极值作为群体的最优极值转入步骤6.6；否则，令m＝m+1，转入步骤6.2；

步骤6.6、令粒子的更新代数为t＝1；

步骤6.7、令粒子标号为m＝1；

步骤6.8、根据公式(8)和公式(9)更新粒子的速度和位置：其中，ls＝1,2,3,4，w为惯性权重，c1和c2是非负的常数，称为加速度因子，r1和r2是分布于[0,1]区间的随机数；

步骤6.9、根据公式(10)生成粒子 对应的Gabor原子：步骤6.10、根据公式(11)计算粒子 的适应度值：步骤6.11、如果粒子 的适应度值满足 则将粒子 的位置作为第m个粒子的个体极值

步骤6.12、如果m≥M，选择具有最大适应度值的粒子作为新的群体极值转入步骤6.13；否则，令m＝m+1，转入步骤6.8；

步骤6.13、如果t≥T，输出Gbest，并转入步骤7；否则，令t＝t+1，转入步骤6.7。