本文提出了一种新的JPEG方法，克服了现有方法的不足。实验结果显示，该方法在性能上优于现有方法，平均PSNR提高3.47 dB，强压缩率下提高9.51 dB，并在对抗攻击中表现出良好的梯度逼近能力。

该研究开发了一种用于解决欠定线性反问题的空间变异正则化模型，重建医学图像。通过应用像素相关权重，平衡去噪和保留细节和边缘。使用梯度逼近计算空间变异TV权重，设计了卷积神经网络。该模型具有唯一解，并使用Chambolle-Pock算法。该综合框架结合了正则化技术和神经网络能力，实现了从低采样层析数据中的高质量重建。

本文介绍了不同的可压缩JPEG方法和一种新的不可分类的JPEG方法，该方法在前后向性能上优于现有方法，平均PSNR值提高了3.47 dB，在强压缩率下，可以将PSNR提高9.51 dB。此外，该方法还在对抗攻击方面表现出有效的梯度逼近能力。