随着医疗信息化水平的快速发展,以及人口老龄化速度的加快,医疗机构的医疗数据的存储以及维护需要耗费巨大的成本。面对持续增长的海量影像数据,数据的存储、调用、信息安全和充分利用是值得每一个医疗服务机构关注的问题。医疗影像的信息安全也是不容忽视的关键问题。世界各国的相关研究技术专家以及学者,正在积极的尝试从医疗影像数据中挖掘更多的潜在信息,计算机技术在医学影像领域的应用使得医疗服务机构能够更好的为病人服务。为了保障在存储介质中的医疗影像的信息安全性,防止个人、机构、国家医疗卫生相关信息泄露,保护医学影像的信息安全需要密切关注。压缩感知（Compressed Sensing,CS）技术是一种不同于传统方式的信号处理技术,只需要在确保信号在某个域为可稀疏的便可以通过压缩感知技术进行压缩。传统压缩感知测量矩阵的维数需要满足重构条件并且与信号矩阵匹配,而当信号矩阵的维数很大时,测量矩阵的维数也需要随之增大,使得测量矩阵内的元素数量呈指数性上涨,对于构造一些测量矩阵所需要的时间以及存储空间大幅增加。P张量积的压缩感知技术突破了传统压缩感知技术的瓶颈。基于张量积的方式构造测量矩阵,降低测量矩阵的存储空间加快测量矩阵的构造。虽然压缩感知技术可以同时实现对图像的压缩以及加密过程,医学图像涉及病患的个人隐私,因此医学图像的加密需要更高的安全性,因此需要使用额外的图像加密算法对图像进行加密。为了满足医学图像在存储以及传输场景中对于空间效率、传输效率以及图像信息安全型的需求,本文分别提出基于P张量积的压缩感知模型医学图像安全传输技术。本文的主要研究成果和创新点如下:（1）提出将P张量积压缩感知模型应用于医学图像的压缩以及传输场景中,在P张量积压缩感知模型中,数据的发送端以及数据的接收端都不需要再保存一个维数比较大的测量矩阵,只需要保存生成Chaotic矩阵的参数,可以达到节省存储空间的效果,同时能够加快测量矩阵的构造,加快数据发送端对数据进行压缩的进程。压缩感知能够为图像带来一定的加密效果,新型压缩感知技术降低存储空间的要求以及需要传输的数据量,加快数据发送到接收端的进程。（2）提出迭代重加权最小二乘（Iterative Reweighted Least Square,IRLS）算法应用于压缩感知的图像还原重建,并且确定了使用的迭代权重以及对应的参数,迭代重加权最小二乘算法使用lρ范数形式的迭代权重且ρ=0.8时,对于低采样率的图像的重建效果最好。IRLS算法能够适应初始测量矩阵维数降低带来的性能下降,保证重建图像具有良好的质量,并且算法具备稳定性。所采用的IRLS算法相对于正交匹配追踪算法（Orthogonal Matching Pursuit,OMP）在相同的重建图像质量的前提下,需要更少的采样数据,能够降低传输的数据的数量,加快数据传输的进程。（3）提出一种基于双重混沌系统的图像加密技术。所提出的图像加密算法具备充足的密钥空间,以及极高的密钥敏感度。能够在信息熵、相邻像素相关性、图像灰度分布直方图等方面达到十分优越的效果,为医学图像的存储以及传输带来了充足的信息安全保障。