1.一种端到端的光谱重建方法，其特征在于，包括如下步骤：S1、重建高光谱图像

S1‑1通过自适应编码模板，构建自适应编码孔径快照系统传感模型：y＝Hf+n

其中，y是传感器采集的原始图像，H表示系统观测矩阵，f表示待恢复的原始高光谱图像，n为传感器噪声；

S1‑2、根据上述模型，初步重建高光谱图像；

S2、将得到的高光谱图像作为优化神经网络的输入，根据端到端的光谱重建模型，训练神经网络参数，计算损失函数；

S3、将错误反向传播到待设计的编码模板，改变编码模板设计参数，继续训练此模型，直至重建出高质量的高光谱图像。

2.根据权利要求1所述的端到端的光谱重建方法，其特征在于，所述步骤S1中，系统观测矩阵H由下式获得：H＝TPD其中，T∈{0,1}表示编码模板状态，0代表关闭，1表示打开；P表示色散元件离散化模M(N型；D表示与传感器像素尺寸相关的空间抽取，所述色散元件离散化模型具体表示为P∈R+L‑1)×MNL。

3.根据权利要求2所述的端到端的光谱重建方法，其特征在于，所述传感器采集的原始图像 所述系统观测矩阵 所述待恢复的原始高光谱图像f∈MNL

R ，所述传感噪声 其中，R表示维度，M表示空间原始图像的长度，N表示空间原始图像的宽度，L表示光谱波段数。

4.根据权利要求3所述的端到端的光谱重建方法，其特征在于，所述步骤S1‑2中，初步重建高光谱图像的方法为，采用图像先验作为正则化来约束解空间，求解最小化问题获得高光谱图像：MNL

其中，τ是平衡参数，μ是惩罚参数，e∈R 为辅助变量， 中下标2表示L2范数，右上角的2表示平方，该式求解可分为两个子问题，从而找到最小化的f和e。

5.根据权利要求1所述的端到端的光谱重建方法，其特征在于，所述步骤S2中优化神经网络为CA‑Unet网络。

6.根据权利要求5所述的端到端的光谱重建方法，其特征在于，所述步骤S2中端到端的光谱重建模型为：其中，θ表示光谱重建网络的优化参数，包括编码模板设计参数，H为系统观测矩阵，用于光谱重建网络优化的，M(·)表示整个光谱重建网络，αR(t)表示正则化，实现编码模板二值化。

7.根据权利要求6所述的端到端的光谱重建方法，其特征在于，所述R(t)表示为：其中，ti,j∈{0,1}表示编码模板的二值化。

8.根据权利要求7所述的端到端的光谱重建方法，其特征在于，所述损失函数表示为：其中， 为重建的每一个像素点的高光谱值，光谱损耗最小化了重建图像和真值光谱特征之间的角度。

9.根据权利要求7所述的端到端的光谱重建方法，其特征在于，所述步骤S3中，编码模板设计参数为系统传感矩阵的有限等距性质常数δ，δ表示为随机编码孔径图案结构的函数：T＝t(δ)，其中，t(·)表示有限等距性质常数δ到系统观测矩阵的映射函数。

10.一种端到端的光谱重建系统，其特征在于，包括物镜、自适应编码模板、中继镜、棱镜、灰度相机，所述自适应编码模板包括存储器、处理器以及存储在存储器中并可在处理器上执行权利要求1‑9任意一项所述端到端的光谱重建方法的计算机程序。