随着科技的飞速发展,医学图像成像技术日渐成熟,超分辨率成像等系统被广泛应用到病理医学图像中,远程医疗图像传输系统也得到了广泛的关注及应用。但病理得到方便诊断的同时,病理医学图像的传输及存储则变成了一个亟待解决的问题。而奈奎斯特采样定理限制了传统信号压缩传输方式的发展,使其不能有效解决这一问题,但压缩感知不受其束缚。它可以把采样与数据压缩两个过程合为一体,不仅减小了采样资源的浪费、便于传输,同时,也降低了对硬件设备的要求,减小了数据存储的压力。因此本文将其应用到医学病理图像压缩中,在研究分块压缩感知基础上,提出了一种基于图像块分类的病理医学图像压缩感知算法。该算法通过使用Canny边缘检测算子及图像块轴向信息对边缘图像块提取并分类,再根据纹理信息对非边缘图像块进行分类,且根据分类结果进行非均匀采样,使采样资源得到更加充分利用,然后根据各类图像块特点训练专用稀疏字典,以提高其重构效果。实验结果显示,本文算法提高了图像重构效果,特别是在边缘纹理区域有明显的改善。在此基础上,根据病理医学图像的特点,本文进一步对算法进行改进,对部分图像块不采用压缩感知处理方式,而是进行随机采样,实验表明,在保证重建效果的条件下,改进后算法较之前压缩率有所降低。本文还首次探索了颜色空间对病理医学图像重构的影响。通过分析其各分量间数据的相关性,以此把颜色空间变换加入到之前提出的病理医学图像压缩算法中,探索了基于颜色空间的彩色病理医学图像压缩感知。通过对病理医学彩色图像做颜色空间转换,以降低各通道数据的相关性,来提高图像的重建质量。论文主要研究内容及安排如下:第一章,主要阐述了本文的研究背景,其次介绍了远程医疗及压缩感知理论的国内外研究发展现状。第二章,主要阐述了压缩感知理论,且详细介绍了其主要组成部分,分别是测量矩阵的选取设计,信号的稀疏表示以及信号的重建算法。第三章,介绍了分块压缩感知,并在此基础上提出了一种新的基于图像块分类的病理医学图像压缩感知,将图像块结构方向及其纹理复杂度考虑在内,以期望保证压缩率的条件下提高重构质量,且用Matlab编程并实验,对重建结果进行分析。并在此基础上依据医学图像的特点做了进一步改进,以期望保证重构效果的情况下,进一步降低压缩率,且对改进后实验结果作了分析。第四章,对颜色空间及其分类做了简单介绍,具体介绍了几种常用的颜色空间模型及其与RGB空间的转换公式,分析了各空间模型下各通道数据的相关性。介绍了彩色图像压缩感知的常规处理方法,探索了基于颜色空间的彩色病理医学图像压缩感知,并对实验结果做了分析。第五章,对本文进行总结,并提出之后研究方向及内容。