压缩传感（Compressed Sensing，简称CS）理论是模拟信号采样与压缩的一种新的工具，是信号处理领域的前沿研究课题，受到了国内外学者的广泛关注。针对压缩传感不能实时采样和计算量大的问题，本文将图像分块处理，然后对传统的分块处理方法做了一些改进，使图像在测量值数量相同的情况下，获得更高的重构精度和更短的重构时间。主要研究内容包括：1. CS是根据信号的稀疏性来实现压缩和重建的。由于图像块的纹理不同，有些图像块包含大量的高频信息，而有些图像块包含大量的低频信息，这样不同的图像块在小波变换域下的稀疏度就会不同。本文构造了基于分类的分块压缩传感算法，首先，根据高频信息的多少将图像块分成纹理块和平坦块两类，然后，纹理块采用较多的测量值和迭代次数，平坦块采用较少的测量值和迭代次数。最后，采用一种改进的全变差算法去除图像块之间的虚假边界。实验表明，这种方法重建的图像有很好的视觉效果，其信噪比提高了2.5dB～3dB。2.小波变换后的图像包含一个低频子带和三个高频子带，考虑到低频子带的稀疏性很差，可以保留全部低频系数，只对高频系数进行分块压缩采样。但是单一的分块方式不能保证每个图像块都是稀疏的。针对这一点，本文提出了一种基于小波域的分块处理方法。该方法将单层小波变换后的图像分块处理，对不同的高频子带采用不同的分块方法，并用正交匹配追踪方法重建图像。最后通过实验验证了本文提出方法的有效性。