1.一种工业图像的压缩重构方法，其特征在于：包括如下步骤：

S1、获取工业图像，将工业图像进行灰度化处理，并裁剪为若干n×n像素的待处理图像，针对每一张待处理图像，均通过小波变换对待处理图像进行稀疏化特征提取，获得稀疏图像；

S2、建立各张稀疏图像的恢复模型，通过恢复模型对每张稀疏图像进行迭代处理并输出每张稀疏图像的最终恢复系数；

S3、针对每一个最终恢复系数，均通过逆小波变换对恢复系数进行处理，获得恢复图像；

将各张恢复图像进行拼接获得拼接图像，即获得工业图像的重构结果。

2.根据权利要求1所述的一种工业图像的压缩重构方法，其特征在于：所述的步骤S2中，建立各张稀疏图像y的恢复模型，具体如下：y＝DS(ω)+δ(θ)

其中，D为字典矩阵，S(ω)为恢复系数，δ(θ)为线性噪声；ω和θ分别为恢复模型的第一参数和第二参数；

通过恢复模型对每张稀疏图像进行迭代处理并输出每张稀疏图像的恢复系数，包括如下步骤：S2.1、恢复模型通过变分广义近似消息传递VGAMP算法，迭代估计获得恢复模型的恢复系数的更新值，即更新恢复系数，并通过恢复模型中预设的第一参数和第二参数，以及更新恢复系数，获得更新恢复系数的均值和方差；

S2.2、根据步骤S2.1得到的更新恢复系数的均值和方差，迭代更新第一参数和第二参数，获得第一最终更新参数和第二最终更新参数，恢复模型通过第一最终更新参数和第二最终更新参数，将更新恢复系数进行更新，输出最终恢复系数。

3.根据权利要求2所述的一种工业图像的压缩重构方法，其特征在于：所述的步骤S2.1中，恢复模型通过变分广义近似消息传递VGAMP算法，迭代估计获得恢复系数S(ω)的更新值，即更新恢复系数，并通过恢复模型中预设的第一参数ω和第二参数θ，以及更新恢复系数，获得更新恢复系数的均值μS和方差ΣS，具体如下：恢复模型通过变分广义近似消息传递VGAMP算法进行迭代估计，直至恢复模型迭代至(j) (j)第j次时，获得恢复系数S(ω)迭代至第j次的更新值S ，并计算更新值S 的期望 和方差 具体如下：(j)

其中， 为恢复系数S(ω)迭代至第j次的更新值S 的方差； 为恢复系数S(ω)迭(j) (j)代至第j次的更新值S 的期望； 为恢复系数S(ω)迭代至第j次的更新值S 的近似方差； 为变分广义近似消息传递VGAMP算法的第一正则参数； 为恢复系数S(ω)迭代至(j‑1) (j)第j‑1次的更新值S 的期望； 为恢复系数S(ω)迭代至第j次的更新值S 的近似均值；

(j)

恢复系数S(ω)迭代至第j次的更新值S 的近似方差 具体如下：T (j)

其中，(·) 为矩阵转置； 为恢复系数S(ω)迭代至第j次的更新值S 的无噪声模型k(j) (j) (j) (j)的近似均值，k ＝DS ； 为恢复系数S(ω)迭代至第j次的更新值S 与无噪声模型k(j) (j) (j)之间的中间变量c 的近似方差； 为无噪声模型k 的近似方差； 为恢复系数S(j‑1)(ω)迭代至第j‑1次的更新值S 的方差； 为恢复系数S(ω)迭代至第j‑1次的更新值(j‑1) (j‑1) (j‑1)S 与对应的无噪声模型k 之间的中间变量c 的近似均值； 为恢复系数S(ω)迭(j‑1)代至第j‑1次的更新值S 的期望；

(j)

恢复系数S(ω)迭代至第j次的更新值S 的近似均值 具体如下：(j) (j)

其中， 为恢复系数S(ω)迭代至第j次的更新值S 与无噪声模型k 之间的中间变(j)量c 的近似均值； 为变分广义近似消息传递VGAMP算法的第二正则参数；

变分广义近似消息传递VGAMP算法的第一正则参数 和第二正则参数 具体如下：其中，ΣΛ为字典矩阵D的奇异值之和，Λmax为字典矩阵D的最大奇异值；α和β分别为第一常数系数和第二常数系数；const为第一正则参数 和第二正则参数 的常数项；

(j)

此时恢复系数S(ω)迭代至第j次的更新值S 的期望 满足下式：其中，δvgamp为第一截止阈值；

或者此时恢复系数S(ω)的迭代次数j等于第一截止最值Jmax，则停止迭代更新，完成恢(j)复系数S(ω)的迭代，此时恢复系数S(ω)迭代至第j次的更新值S 为更新恢复系数，根据(j)第一参数ω和第二参数θ以及更新恢复系数S ，获得的更新恢复系数的均值μS和方差ΣS，(j)即分别为恢复系数S(ω)迭代至第j次的更新值S 的期望 以及恢复系数S(ω)迭代至第(j)j次的更新值S 的方差 即

4.根据权利要求2所述的一种工业图像的压缩重构方法，其特征在于：所述的步骤S2.2中，根据步骤S2.1得到的更新恢复系数的μS和方差ΣS，迭代更新第一参数ω和第二参数θ，获得第一最终更新参数和第二最终更新参数，恢复模型通过第一最终(j)更新参数和第二最终更新参数，将更新恢复系数S 进行更新，输出最终恢复系数，具体如下：根据变分贝叶斯方法对第一参数ω和第二参数θ进行迭代更新，每次迭代获得第一参数ω和第二参数θ的更新值，分别直接替换第一参数ω和第二参数θ，进而更新第一参数ω(j)和第二参数θ对应的更新恢复系数S 及其均值μS和方差ΣS；

直至第一参数ω和第二参数θ迭代至第i次时，分别获得第一参数ω和第二参数θ的更(i) (i)新值ω 和θ ，具体如下：

(i) (i) (i)

其中，a 和b 分别为第一参数ω更新迭代至i次的更新值ω 的第一控制参数和第(i) (i) (i)二控制参数；g 和f 分别为第二参数θ更新迭代至i次的更新值θ 的第一控制参数和第(j) (ji)二控制参数； 和 分别为更新恢复系数S 迭代至i次后的更新值S 的均值和方差；m为稀疏图像y的维度值；

此时更新恢复系数更新迭代至i次的均值 满足下式：其中，δsbl为第二截止阈值；

或者此时第一参数ω和第二参数θ的迭代次数大于第二截止最值Imax，且 则(i)停止迭代更新，将此时的第一参数ω更新迭代至i次的更新值ω 作为第一最终更新参数，(i)第二参数θ更新迭代至i次的更新值θ 作为第二最终更新参数，恢复模型通过第一最终更(j) (j)新参数和第二最终更新参数，将更新恢复系数S 进行更新，输出此时的更新恢复系数S(ji)迭代至i次后的更新值S 作为最终恢复系数；

若当第一参数ω和第二参数θ迭代至第三截止最值Ix次时，Ix>Imax，始终不满足上述第(j) (j)一最终更新参数ω 和第二最终更新参数θ 的停止迭代更新的完成条件，则将第一参数ω和第二参数θ迭代至第三截止最值Ix次时的更新值 和 代入恢复模型中，直接替换恢复模型的第一参数ω和第二参数θ，并将替换后的恢复模型进行步骤S2的恢复模型的相同的操作，直至若干次迭代后获得恢复模型的第一参数ω和第二参数θ的最终的更新值满足上述第一参数ω和第二参数θ的停止迭代更新的完成条件，输出此时的恢复模型的恢复系数S(ω)的最终的更新值作为最终恢复系数。