1、壓縮感知（Compressed Sensing，即CS）是信號(hào)與信息處理領(lǐng)域新興的一種信號(hào)采集處理方法，其在保證重構(gòu)信號(hào)質(zhì)量的前提下，用遠(yuǎn)低于Nyquist定理的采樣速率對(duì)信號(hào)進(jìn)行取樣，大大減少了信號(hào)采樣的數(shù)據(jù)量，CS理論基于信號(hào)的內(nèi)容與結(jié)構(gòu)對(duì)信號(hào)進(jìn)行壓縮并高概率重構(gòu)得到原始信號(hào)，不再依賴于信號(hào)的帶寬，是對(duì)傳統(tǒng)采樣定理的挑戰(zhàn)，開(kāi)辟了全新的領(lǐng)域，激發(fā)了廣大科技工作者的探索熱情。
　　本研究參閱了大量國(guó)內(nèi)外相關(guān)的研究成果，對(duì)各類基于C

2、S的圖像重構(gòu)和編碼算法做了仔細(xì)深入的研究。根據(jù)圖像信號(hào)的稀疏度和幀間殘差，提出了基于CS理論的分塊圖像處理算法和圖像序列編碼算法。
　　一幅圖像的不同部分的稀疏程度各不相同，如果采用高速固定的采樣速率，不僅采樣數(shù)據(jù)量會(huì)很大，也容易帶來(lái)資源的浪費(fèi)。而低采樣率雖然能夠減少采集的數(shù)據(jù)量，但是重構(gòu)信號(hào)的質(zhì)量很差，失真較大。本文提出一種基于CS理論的改進(jìn)的圖像分塊自適應(yīng)編碼算法，這種方法首先判斷出圖像各小塊在DWT變換域的稀疏程度，根據(jù)稀疏

3、度的大小判斷圖像各塊的采樣率，對(duì)高稀疏度的部分做地采樣，對(duì)稀疏度差的塊作高采樣，以達(dá)到用較低的采樣率獲得較高重構(gòu)圖像質(zhì)量的目的，仿真結(jié)果表明，這種改進(jìn)的方法，其對(duì)峰值信噪比的提升可以達(dá)到33％。
　　處理圖像序列信號(hào)的編碼時(shí)，基于各相鄰幀之間存在的冗余信息，本文從相鄰幀之間的殘差信號(hào)角度考量，改進(jìn)了一種針對(duì)幀間殘差信號(hào)的圖像自適應(yīng)編碼算法，該方法尤其適用于運(yùn)動(dòng)緩慢或者場(chǎng)景變動(dòng)不大的圖像序列，實(shí)驗(yàn)表明:能夠在保證信號(hào)重構(gòu)質(zhì)量的前提下