压缩感知（Compressed Sensing, CS）是图像处理领域的一项挑战性任务，其核心在于从有限的测量数据中重建出几乎完整的图像。为实现快速且高精度的CS重建，本文融合了两种经典方法——神经网络与优化算法的优势，提出了一种新型的受优化算法启发的神经网络结构，命名为AMP-Net。AMP-Net实现了近似消息传递（Approximate Message Passing, AMP）算法与神经网络的深度融合，其所有参数均可自动学习。此外，我们进一步提出AMP-Net的改进版本AMP-Net，通过引入三个注意力网络模块，显著增强了模型的特征表达能力。最后，我们在四个标准的压缩感知重建基准数据集上验证了AMP-Net与AMP-Net的有效性。相关代码已开源，可通过 https://github.com/puallee/AMPA-Net 获取。