压缩感知(压缩采样,稀疏采样,压缩传感)理论是近几年来提出的一种新的采样理论,由E.J.Candes、J.Romberg、T.Tao和D.L.Donoho等人提出。压缩感知是一种新的信号处理理论,压缩感知理论指出即使信号的采样率不满足奈奎斯特采样定理,只要被采样的信号是稀疏的,依然可以通过求解一个优化问题从这些少量的采样值中以高概率重构出原始信号。在压缩感知理论中,信号的采样和压缩同时进行,使传感器的采样和计算成本大大降低,而且从压缩感知理论上讲只要找到适合的信号稀疏表示空间,任何信号都具有稀疏性,都可以被有效地进行压缩感知重构。本文首先研究压缩感知理论的基本框架,根据图像特征,研究高效图像压缩感知算法。结合现有的图像降采样算法、图像插值算法,以主、客观失真度为指导,探索高效的基于压缩感知理论的图像压缩算法。本文的主要贡献如下:深入学习并研究了传统的压缩感知理论的基本原理及其实现算法,分析了压缩感知理论中的关键步骤,如图像信号稀疏设计、图像信号观测设计、图像信号重构设计,并对经典算法进行改进,提出改进的基于空间降采样的图像压缩感知算法和基于视觉感知的自适应图像压缩感知算法,并且经过验证本文提出的基于压缩感知理论的改进的图像压缩算法是高效可行的。提出基于空间降采样的图像压缩感知框架,探索各种下采样算法和插值算法对该改进算法的影响,同时进一步将图像分块算法应用于基于空间降采样的图像压缩感知算法中,提出以最小均方误差准则为指导的图像压缩感知算法,实现图像的高效压缩感知重构。提出基于视觉感知的图像压缩感知采样,学习各种图像块分类准则,提出基于视觉感知的反馈式自适应图像压缩感知算法和基于视觉感知的分步式自适应图像压缩感知算法,本文采用最小均方误差、结构相似性、最小可觉差来指导采样样本的重分配,经过实验证明,提出的基于视觉感知的图像压缩感知采样在不同的图像块分类准则、不同的采样率下都是高效可行的。