压缩感知理论使用少量采样信号精确恢复原始信号,是一种广泛应用于图像处理领域的新兴信号处理技术。本文分析压缩感知理论中测量矩阵和重构算法技术的基础上,重点对测量矩阵优化和重构算法改进技术进行深入研究。首先,为了降低测量矩阵与稀疏矩阵间的相关性,本文提出了一种测量矩阵的优化方法,使用梯度下降法与投影逼近法优化测量矩阵,同时对优化步长进行自适应处理,降低测量矩阵优化过程中的迭代次数。实验结果表明,该测量矩阵的优化设计不仅能提高重构图像的质量,而且可以有效的降低测量矩阵优化的时间。其次,针对图像重构算法中使用固定噪声尺度因子造成噪声方差估计不精确的问题,本文提出了一种采用图像纹理特征、稀疏变换类型和采样率联合估计的噪声尺度因子替代固定的噪声尺度因子,以便对图像中的噪声方差进行精确估计,提高重构算法去除噪声的能力。实验分析表明,改进噪声方差估计有益于去除重构图像中的噪声,提高重构图像的质量。最后,针对双变量阀值收缩模型仅使用当前小波系数方差作为阀值参数造成重构图像含有多余噪声,本文提出一种采用当前小波系数方差、父小波系数方差和邻域小波系数方差作为阀值参数构建小波变量阀值收缩模型,提高阀值估计的精确度,并分别对模型处理后的当前小波系数值、父小波系数值和邻域小波系数值进行判决,消除图像中多余的噪声。实验结果表明,改进小波变量阀值收缩模型能够进一步降低图像中的噪声,提高重构图像的质量。