1.一种基于深度学习的压缩感知图像重建算法，其特征在于，方法步骤如下：S1：对图像数据进行预处理，包括提取数据的灰度值和对图像进行分块；

S2：对已经切分好的图像块进行测量，获得测量矩阵；

S3：构建一个10层的深度压缩感知重建网络；

S4：在深度学习框架中对10层网络进行训练；

S5：在经过深度神经网络后，得到重建图像块，按照索引，对图像块按照原始行列值进行重排；

S6：图像块经过重排得到重建图像后，选择BM3D去噪器对图片进行降噪处理，最终得到重建图像。

2.根据权利要求1所述的一种基于深度学习的压缩感知图像重建算法，其特征在于，所述S1中选取选取100张图像，其中90张作为训练集，10张作为测试集，每张图像不重叠的划分为33×33的小块。

3.根据权利要求1所述的一种基于深度学习的压缩感知图像重建算法，其特征在于，所述S2中采用随机高斯矩阵Φ进行测量处理，按照不同的测量率MR，MR＝0.25、0.10、0.04或

0.01。

4.根据权利要求1所述的一种基于深度学习的压缩感知图像重建算法，其特征在于，所述S3中1-4层为堆叠自动编码器，5-10层为卷积层构成的网络。

5.根据权利要求1所述的一种基于深度学习的压缩感知图像重建算法，其特征在于，所述S4中采用采用无监督的方式训练，损失函数如下：T表示训练集中图像块的总数量，xi为ith个图像块，F(xi,{W})表示第ith个图像块的输出，{W}＝{W1,b1,W2,b3....W10,b10}。

6.根据权利要求1所述的一种基于深度学习的压缩感知图像重建算法，其特征在于，所述S5中S1-S2有补零补零操作，需将补零部分去除。

7.权利要求1-6任一项所述的一种基于深度学习的压缩感知图像重建算法应用于图像重建。