1.基于压缩感知和超分辨率重构的多相机全景图像构建方法，其特征在于，包括训练步骤、处理步骤和改进策略，所述训练步骤包括构造初始稀疏字典并对所述初始稀疏字典进行训练使其能够利用Brushlet复变换特征提取方法提取图像特征；所述处理步骤包括：步骤S1、将多视角相机网络环境中的全景图像处理成若干原始单帧图像，并根据原始单帧图像建立观测矩阵；

步骤S2、构建局部稀疏字典；包括子步骤S2-1、子步骤S2-2、子步骤S2-3和子步骤S2-4，所述子步骤S2-1包括通过小波变换分析方法对原始单帧图像进行分解后得到若干小波高频方向子带；

所述子步骤S2-2包括对所述小波高频方向子带进行分解得到图像子块，并通过初始稀疏字典提取所述图像子块的能量特征和相位特征；

所述子步骤S2-3包括利用模糊C-均值聚类算法对所述图像子块进行分类，以构建具有相似特征的若干一类子块，并对若干所述一类子块分别应用K-L变换算法求解其所包含的所有图像子块的的主成分，以构造中间字典；

所述子步骤S2-4包括利用求解正则化问题的算法对所述中间字典进行降维处理，以得到局部稀疏字典；

步骤S3、构建最小有效观测集；包括将所述观测矩阵和所述局部稀疏字典组成观测序列，并对所述观测序列进行自相关运算，以构造最小有效观测集；

步骤S4、通过分割增广拉格朗日迭代算法实现对所述最小有效观测集内受损观测值的重构，以得到重构单帧图像；

步骤S5、由重构单帧图像组成超分辨率全景图像。

2.根据权利要求1所述的基于压缩感知和超分辨率重构的多相机全景图像构建方法，其特征在于：所述改进策略被配置为通过改进步骤S4重构过程中的阈值来去除受损观测值内的观测噪声，以得到重构单帧图像。

3.根据权利要求1所述的基于压缩感知和超分辨率重构的多相机全景图像构建方法，其特征在于：所述步骤S3中对所述观测序列进行自相关运算得到自相关向量，且将相邻两次自相关向量经过融合中心算法处理和SSAMP协作重构算法估算重构误差，来确定所需的最小观测次数，以构造最小有效观测集。

4.根据权利要求1所述的基于压缩感知和超分辨率重构的多相机全景图像构建方法，其特征在于：所述步骤S3中通过局部稀疏字典与观测矩阵的乘积得到第一Gram对称矩阵，利用Gram-Schmidt方法构造标准正交基，再通过稀疏模型约束的正则化方法将第一Gram矩阵构造成接近单位阵的第二Gram矩阵，所述第二Gram矩阵的n元列向量近似为一标准正交基，以构造优化观测矩阵来降低观测值的互相关系数，并通过剔除优化观测矩阵下观测集合的非关键观测值，以获得最小有效观测集。

5.根据权利要求1或2所述的基于压缩感知和超分辨率重构的多相机全景图像构建方法，其特征在于：所述分割增广拉格朗日迭代算法采用变量分割算法和联合正则化方法，通过空、频双变量分割方法和交替更新约束方法，实现对最小有效观测集内受损观测值的重构。

6.根据权利要求5所述的基于压缩感知和超分辨率重构的多相机全景图像构建方法，其特征在于：在所述分割增广拉格朗日迭代算法中，通过在CS传感矩阵逆过程中加入泊松奇异值积分去模糊算子，实现对所述最小有效观测集内受损观测值的修复和重构。

7.根据权利要求1所述的基于压缩感知和超分辨率重构的多相机全景图像构建方法，其特征在于：所述步骤S5中通过建立Context模型来改进重构过程的阈值，且通过将系数分成多个部分并分别计算每一部分系数矩阵的方差来估计信号的能量以实现对单个系数的判别。