压缩感知理论突破了传统的奈奎斯特采样定理的瓶颈，当信号的采样频率远低于奈奎斯特采样定理所要求的采样频率时依然能够精确重构出原始信号，但是其前提条件是信号具有稀疏性或者可压缩性。压缩感知理论在图像处理、信号获取、无线通信以及计算机视觉等领域已经表现出了很好的应用前景，基于压缩感知的图像编码方法也成为了当前图像编码领域的研究热点。本文通过系统深入的学习和研究基于压缩感知理论的图像块编码方法，重点探讨了利用图像的显著性信息来对每个图像块的测量矩阵进行优化的编码方法，该方法能够对图像的细节部分进行充分的采样，从而有效的提高图像压缩感知编码时的测量效率以及重构图像的质量。本文的研究工作主要有以下两个方面：（1）对显著性引导的压缩感知算法进行了深入的研究，并探讨了在图像编码中引入显著性引导的压缩感知算法。对传统图像压缩感知算法中测量投影所用到的高斯测量矩阵进行优化，充分利用图像的显著性信息对具有高显著性和非高显著性的图像块分别用不同的统计分布进行测量，从而有效的提高重构图像的峰值信噪比以及主观视觉效果。（2）研究了一种基于显著性信息的自适应图像压缩感知算法。在所探讨的显著性引导的图像压缩感知算法的基础上，再对各个图像块进行自适应的压缩采样。通过分析图像的显著性信息，对人眼视觉系统相对比较敏感的区域分配相对较多的测量维数，而对人眼视觉系统相对比较不敏感的区域分配相对较少的测量维数，以此来实现对图像的自适应采样，从而更好的保护了图像中的细节部分，从而使重构图像在峰值信噪比和主观视觉效果上都有很好的表现。