压缩感知理论的出现,突破了传统的奈奎斯特采样定律的限制,使得采样速率在小于两倍带宽的情况下,通过采集少量的数据即可对稀疏或可压缩信号精确重建。然而,在该理论处理二维图像信号时,需要产生并存储极大规模的观测矩阵才能完成对整幅图像的观测和重构,算法性能和效率都大打折扣。而分块压缩感知理论的提出,较好地克服了内存占用过大、计算时间过长的弊端。但是,在经典的分块压缩感知中,各图像块的采样率是一致的,没有根据图像块纹理特征进行采样率自适应分配。本文围绕这一问题,通过学习和研究压缩感知理论和现有成熟算法,对相关理论和传统分块压缩感知做了如下工作和改进:(1)本文研究了传统的图像直接压缩感知算法,通过仿真实验验证了其难以得到实际应用的原因。对于在一定程度上克服了上述问题的分块压缩感知理论,本文从分块大小、稀疏基和重构算法三个方面,研究了其对分块压缩感知算法性能的影响,提出了32×32+DWT+SPL(分块大小32×32、离散小波变换、光滑投影Landweber重构算法)的影响因子组合,仿真结果表明该方法在固定采样率分块压缩感知算法当中有较好的重构性能。(2)由于固定采样率的分块压缩感知算法对所有图像块采用了一致的采样率,因而造成了采样资源的浪费,同时会出现块效应,重构图像的质量还有待提高。本文根据每个图像块所蕴含的一维灰度熵信息的不同,将低频近似图像分块并依照各块特征信息分配以相应的自适应采样率,然后利用所求得的自适应采样率对高频子带各图像块进行压缩采样,最后将高频子带重构图像与经过盲反卷积的低频子带相叠加,实现了结合一维灰度熵和盲反卷积的采样率自适应分块压缩感知算法,与传统的固定采样率分块压缩感知算法相比,所提算法的整体视觉效果和重构质量更好。(3)多尺度分块压缩感知算法对不同尺度下的图像小波系数分配相适应的采样率,在提高图像重构质量上起到了较好的作用。但是,该算法对同一尺度内所有子块依然采用了统一的采样率,浪费了低频子带中所包含的先验知识,没有充分利用有限的采样资源。因此,本文提出一种基于显著性和方向性的自适应多尺度分块压缩感知算法。该算法通过研究低频子带近似图像中各图像块的视觉显著性和方向性,将总体采样率依照特征信息和小波结构特点自适应地分配到各层各子带的各子块当中进行观测,并利用改进的单次维纳滤波SPL算法重构。仿真结果表明,所提算法性能相比传统多尺度分块压缩感知和采样率自适应分块压缩感知算法有一定提升。