信号在恶劣信道传输时,数据包难免会因噪声干扰等问题而出现错码或丢包等问题,因此如何能解决由以上问题而产生的接收端图像质量下降的问题近年来已经成为了一个非常热门的研究项目。而多描述编码因其能满足实时数据在不可靠信道传输时可以保证数据恢复质量的要求而受到越来越广泛的关注。由于多描述编码的编码方法是将原图像分为多个相互独立的描述来进行编码,并通过各自独立的信道传输至解码端,使每个描述都能独立恢复出质量可接受的图像,因而可在图像通信应用中增强信号的鲁棒性。传输条件恶劣的信道,尤其是无线信道和网络信道传统的信号采样必须遵循香农采样定理,产生的大量数据造成了存储空间的浪费。压缩感知理论为信号采集技术带来了革命性的突破,它采用非自适应线性投影来保持信号的原始结构,提出一种新的采样理论,能够以远低于奈奎斯特采样速率采样信号,通过数值最优化问题准确重构出原始信号。压缩感知的基本论点是如果信号具有稀疏性,可投影到一个与变换基不相关的随机矩阵并获得远少于信号长度的测量值,再通过求解优化问题,精确重构信号。本文首先将图像经由小波变换增大稀疏度,随后利用Matlab随机生成一个观测矩阵,用随机矩阵对变换矩阵做非相关观测,然后将所得到的观测矩阵尝试几种图像分割方法将图像进行分割,利用不同量化精度的组合成若干个描述子,并通过单独的算术编码器编解码,再分别通过OMP算法和小波逆变换比较重构图像的压缩比和PSNR值(峰值性噪比),结果显示将图像奇偶按列分割的方法可以获得较高的恢复图像质量。