传统的奈奎斯特采样定理指出，只有当采样率不低于信号带宽的两倍时，才能由采样信号准确地重构出原始信号，但这种采样方式已不能满足人们对信息日益巨增的需求。2006年E. J. Candes等人提出的压缩感知理论指出信号的采样和压缩可以同时进行，给数据采集技术带来了一次变革。压缩感知理论主要由三部分内容组成，即信号的稀疏表示、观测矩阵和重构算法，本文研究的正是压缩感知图像重构算法，利用图像的边缘结构信息和遗传算法，本文提出了一种基于联合约束和遗传进化的压缩感知重构方法，本文的主要工作为：首先，本文是在小波域下设计压缩感知图像重构算法的，输入低频信息和三个高频子带的分块观测向量，根据基于边缘信息的先验模型，得到三个高频子带下各块观测向量对应的位置块，根据所得的位置块对各块观测向量进行边缘块观测向量和非边缘块观测向量的划分；其次，本文对边缘块观测向量和非边缘块观测向量进行了不同的处理。以各非边缘块观测向量标准差差值作为度量，对各非边缘块观测向量执行局部聚类操作，然后定义同类块联合约束的适应度函数，对各聚类中心块观测向量，利用遗传算法求解其对应的最优系数，并将所得的最优系数作为同类各块观测向量对应的最优系数；对各边缘块观测向量，则定义单一块约束的适应度函数，使用遗传算法求解其对应的最优系数；最后合并所有块观测向量对应的最优系数，并结合低频信息进行小波逆变换获得重构图像。我们在Matlab环境下对本文的重构算法进行了仿真，仿真实验结果表明本文的重构算法在视觉效果及数值评价指标中都要优于对比算法。