经验模式分解(Empirical mode deposition,简称：EMD)方法是一种全新的多尺度信号分析方法,尤其在非平稳信号、非线性信号分析方面具有优越的性能。和经典的傅立叶变换相比较,EMD在非平稳信号分析方面具有独特的优势。由于EMD在处理一维信号上比较成熟和广泛的应用,并具有良好效果,国内外学者将它推广到二维,提出了二维经验模态分解(Bidimensional Empirical Mode Decomposition,简称：BEMD)方法,并对二维信号进行处理,同样取得了一定的进展。近年来兴起的压缩感知(Compressive Sensing,简称CS)理论是又一个信号处理领域的优秀成果。它只需采集少量的特征数据就能够重构出原始数据,突破了奈奎斯特采样定律的限制。这对于现实应用中需要处理大数据量的压力起到了缓解作用。本文开展了两个方面研究：一是理论上的仿真研究。对于EMD和CS理论做了详细的介绍,从一维扩展到二维,并提出基于EMD方法的CS二维图像压缩处理算法,然后进行仿真分析和验证。二是在仿真算法基础上,利用Web仿真系统开发了相应的数据库应用模块。本文的主要工作如下：1.对EMD和CS算法理论进行详细的介绍,给出了算法的具体实现步骤,仿真并验证了从一维到二维两种算法的可行性。2.根据CS的基本理论,在BEMD图像压缩方法基础上,将BEMD与CS相结合,通过极值点选取并构造插值曲面,提出了图像联合压缩算法：先利用Anna方法对图像进行稀疏处理,然后进行CS压缩,最后对压缩数据进行还原。3.借助于MATLAB提供的Java Builder工具,设计了基于web的远程图像压缩仿真系统,充分利用了MATLAB强大的数据处理功能,此仿真系统运用了本文提出的EMD结合CS的图像处理新方法。