1.一种基于混合加权全变分和非局部低秩的图像压缩感知重构方法，其特征在于，该方法具体包括以下步骤：S1：首先对原始图像进行CS处理，得到观测图像；然后利用平均曲率M构造的边缘检测器对观测图像进行分解，得到高频部分和低频部分；高频部分包括图像的边缘细节和噪声，低频部分包括图像的平坦区域；再对图像的低频部分进行二阶全变分处理，对图像的高频部分进行一阶加权全变分处理，权重系数由差分曲率构造，从而得到一个混合加权全变分模型；

S2：对观测图像进行样本块的提取，在给定的区域内，找到一定数目的样本相似块，并将图像样本块和样本相似块按列聚合成为一个数据矩阵，从而得到一个非局部低秩模型；

S3：将混合加权全变分模型和非局部低秩模型联合，得到最终的目标函数，并通过交替方向乘子法对目标函数进行优化求解。

2.根据权利要求1所述的一种基于混合加权全变分和非局部低秩的图像压缩感知重构方法，其特征在于，所示步骤S1中，利用基于二阶梯度的平均曲率M构造一种边缘检测器，自适应的将图像分解为高频部分和低频部分，对低频部分使用传统的二阶全变分处理，对高频部分使用一阶加权全变分进行处理，其中，利用基于二阶梯度的差分曲率边缘检测算子来构造权重系数，从而得到混合加权全变分模型；混合加权全变分模型表达式为：其中，ωi为像素点i的权重系数，αi为边缘检测算子，u表示原始重构图像，|Du|i为一阶2

全变分，|Du|i为二阶全变分。

3.根据权利要求2所述的一种基于混合加权全变分和非局部低秩的图像压缩感知重构方法，其特征在于，所示步骤S1中，所述平均曲率为：其中， ux和uy分别表示

原始图像当前像素点i沿水平方向和垂直方向的一阶梯度，uxx、uxy、uyx和uyy表示原始图像当前像素点沿不同方向的二阶梯度。

4.根据权利要求3所述的一种基于混合加权全变分和非局部低秩的图像压缩感知重构方法，其特征在于，所示步骤S1中，边缘检测器通过设置阈值σ，自适应的判断图像的高频与低频部分，当Mi＞σ时，αi为1，此时只有一阶全变分模型作用于高频部分；当Mi≤σ时，αi为0，此时只有二阶全变分模型作用于低频部分。

5.根据权利要求3所述的一种基于混合加权全变分和非局部低秩的图像压缩感知重构方法，其特征在于，所示步骤S1中，像素点i的权重系数ωi为：其中，θ为常数，像素点i的差分曲率Ci＝||(uηη)i|‑|(uξξ)i||。

6.根据权利要求2所述的一种基于混合加权全变分和非局部低秩的图像压缩感知重构方法，其特征在于，所示步骤S3中，将混合加权全变分模型与非局部低秩模型联合，并将联合模型作为正则项约束条件构建优化模型，即目标函数表示为：其中，第一项为数据保真项，第二项为混合加权全变分正则项，第三项为非局部低秩正则项；λ1和λ2为正则项参数，ωi为像素点i的权重，Riu表示样本块ui及其相似图像块组成的矩阵，Li为低秩矩阵，Φ表示观测矩阵，y表示观测值，η为平衡参数，rank(·)表示矩阵的秩。