随着数字媒体采集、显示以及处理技术的飞速发展,各种高质量图像及视频的新应用和服务不断出现,使得图像/视频数据呈爆炸式增长。海量的图像/视频数据给传输和存储提出了极高要求,如何实现高效压缩已成为图像及视频编解码领域长期存在的挑战性问题。近年来,新兴的压缩感知理论大大提高了信号的压缩率,降低了信号存储和传输的压力,这对于图像及视频编解码领域的研究无疑是一个大的革新和进步。本文简要介绍了现有的以压缩感知理论为基础的图像编码算法,重点介绍了分块压缩感知理论、稀疏性判定准则以及利用图像空间相关性的自适应图像编码算法。在此基础上,本文提出了一种图像自适应编码算法和两种针对图像序列重构的改进算法,具体内容为:(1)基于压缩感知的图像自适应编码算法:本文在满足编码端采样率要求的情况下,根据图像块在TV域的稀疏性,为每一个图像块合理地分配不同的采样率,以此提高图像的压缩率,同时解码端也能得到高质量的重构图像。(2)基于自适应卡尔曼的时域增强算法:本文在分块视频压缩感知MC-BCS-SPL算法的基础上,分析了图像序列中每幅图像的噪声分布特征,将自适应卡尔曼滤波思想运用到图像序列时域增强中,对重构后的图像在时域方向进行滤波,有效去除了帧间噪声,使图像的主观效果有了一定提高。(3)基于TVAL3的图像序列冗余重构算法:本文提出一种将TVAL3及新三步搜索法相结合的重构算法来实现图像序列的重构。在该算法中将TVAL3算法作为图像重建的算法,采用新三步搜索法(NTSS)作为块匹配算法,来得到当前帧在参考帧中的最优匹配块。利用上述方法对图像序列进行重构后,需要对其再进行维纳滤波,来得到更好的主观图像。实验结果表明本文提出的基于压缩感知的自适应编码算法有效减少了编码端的采样数据,实现了高效压缩;同时两种针对图像序列的改进重构算法也有效提高了图像序列的重构质量。