基于信号的稀疏性,压缩感知方法能够同时完成传统的信号获取中采样和压缩的两个过程,从而突破了传统奈奎斯特采样定理的限制,使得信号的采样率、采样时间以及存储成本大大降低,已成为各科学领域的研究热点问题。在压缩感知理论中,主要包含三个关键问题：信号的稀疏表示、测量矩阵的构造以及重建算法的设计。本文以上述关键问题为出发点,在研究压缩感知发展现状以及基础算法模型的基础上,对已提出的压缩感知重建算法进行了分析,并通过引入图像结构信息,提高图像重构的质量。同时,研究了各种图像质量客观评价指标对图像压缩感知重建质量的综合评测。本文的主要工作及成果包括：一、在研究经典随机测量矩阵设计方法的基础上,分析了传统傅立叶频域中星形采样方法的不足,并根据图像显著性结构信息,提出了一种基于傅立叶频域中图像显著性信息的变密度压缩采样方法。该方法能够在傅立叶域中针对图像显著程度的不同进行自适应地变密度采样。实验结果表明,在同一重构算法恢复图像的前提下,与传统星形采样方法相比,本文提出的变密度自适应采样方法可以根据图像显著性内容自适应调整采样密度,通过降低非显著性区域的采样冗余和增加显著性区域的采样密度,提高重建图像的视觉质量和客观评测指标。二、针对基于全变差正则化的压缩感知重构算法模型,不能有效地恢复边缘和纹理等图像结构信息,且易造成重构图像的阶梯效应等缺点,设计了一种基于图像边缘结构信息引导的压缩感知重构方法。在重构迭代求解的过程中,根据图像的不同边缘形态结构信息,自适应地在全变差正则项前赋予不同权重值,能够有效地保持了重构图像的边缘结构信息。实验结果表明,相对于传统全变差重构算法,该方法能够有效地提高边缘及纹理等结构部分的重建效果,结构相似度(SSIM)、峰值信噪比(PSNR)等客观评价指标都有显著提升。三、受到图像边缘信息引导压缩感知重构方法的启发,设计了基于图像水平集法线信息先验的压缩感知方法。该算法分为两步并交替迭代进行,首先估计图像水平集曲线的法线向量；然后利用正则化的法线向量与图像梯度内积作为约束项对压缩感知图像进行重构。通过仿真实验,验证了该模型的合理性及有效性,表明了利用图像法线信息有助于提高图像方向性结构部分的重建效果。四、本文在MATLAB环境下,设计并实现了压缩感知重构算法评测软件,该软件分别集成了经典的压缩感知重构算法以及本文设计的新型压缩采样和改进的重构算法,并包含SSIM、PSNR、UQI (Universal Quality Index)、VIF (Visual Information Fidelity)等图像质量评测算法。通过评测软件,能够进一步直观验证结构信息引导方法有助于改善压缩感知算法性能。