压缩感知技术作为一个全新的研究领域,近几年来在国内外学术界引起了广泛的关注,并在视频处理、图像处理、音频处理等研究领域上得到了应用。其中在图像处理领域中,压缩感知技术在模式识别、图像去噪以及去模糊上均取得了一定的研究成果。作为传统图像压缩算法中采样步骤的理论基础,奈奎斯特采样定律指出：为了精确地重构原始信号,其采样速率必须是原始信号带宽的两倍以上,这使得信息的传输收到了许多的限制；同时在信号的稀疏分解上,传统的正交稀疏基并不能完全的体现信号的本质特征,并且对于某些信号并不能足够地稀疏表示,因此在信号重构方面会带来很大的弊端。压缩感知理论的出现,突破了奈奎斯特采样定律的局限性,可以利用较少的采样信号就可以完全或近似地恢复原始信号。而作为稀疏表达领域的一个重要分支,冗余字典的出现使得信号可以根据自身的特性来进行稀疏表达。因此,在图像压缩编码中,可以将冗余字典代替以往的正交稀疏基来对信号进行稀疏分解。本文在保证图像视觉质量不变的情况下,从提高图像压缩比率和重构质量的思想入手,分析了压缩感知过程中采样与压缩同时进行的特性以及K-SVD冗余字典中原子的非正交性,结合压缩感知技术,将K-SVD冗余字典运用到了数字图像压缩编码中,提出了一种全新的数字图像压缩编码算法。该算法的创新之处在于：利用K-SVD冗余字典取代传统的DCT、DWT等稀疏基,使得图像可以根据自身特性进行稀疏表达,从而提高了重构图像的质量,与此同时,只对稀疏矩阵中非零系数的权重和位置编码,从而提高了图像的压缩比率。本文通过大量实验,对重构图像在不同参数下进行了对比,分析了字典大小、字典训练次数、非零系数的个数以及图像块大小对重构图像在压缩比率和重构质量上的影响,并与当前的标准图像压缩算法JPEG和JPEG2000算法做了对比。经实验对比分析,通过调节参数,可以使得重构图像在压缩比以及重构质量上均优于JPEG和JPEG2000算法,证明了算法的可行性和优越性,同时,对参数的调节使得算法具有很强的灵活性。算法的缺点和不足之处在于,由于K-SVD算法自身的复杂性,使得算法在运行阶段耗费较大的时间,算法的速度有待提高。