随着信息技术和计算机互联网飞速发展,多媒体信号已成为人类获取信息的最主要载体,多媒体信号数字化产生的大量的数据对存储和传输都产生了巨大的压力。因此图像数据高效压缩编码的研究备受关注。现有基于变换的图像编解码方法在量化噪声较大时解码质量不高。近几年出现的压缩感知理论表明稀疏信号可以由与变换基非一致关系的观测矩阵生成的少量数据利用优化方法精确重建。该理论利用信号的稀疏特性将基于Nyquist定理的采样过程转换为观测矩阵的观测过程,数据的采样速率不取决于信号带宽,而是信号的结构和内容。压缩感知理论为多媒体信号的压缩编码开辟了一条新的途径。　　 由于图像信号具有纹理的方向性和周期性,如果整个图像信号选用一个固定的稀疏基,将不能很好提取图像信号的稀疏特性。针对该问题,本文提出了自适应稀疏表示的压缩感知图像解码方案,并且对该方案进行了进一步优化。　　 针对自适应稀疏表示的压缩感知图像解码方案,本文在此方案中利用像素之间的统计相关性构建既表达信号局部特征又能使信号获得稀疏表示的回归模型,从而实现了信号的高效稀疏表示,以变换系数为观测数据,通过优化算法求解回归模型重建图像,实验结果表明采用该方案重建的图像的主客观质量均优于JPEG解码。　　 为了进一步提高图像的重建质量,对自适应稀疏表示的压缩感知图像解码方案在如下几方面进行了优化:1、提出了图像块边缘优化方法,有效地解决了回归模型参数预测时预测像素不存在的问题,改善了边缘性能。2、利用动态观测方式实现了每次优化迭代的观测数据的更新,提高了优化迭代的精度。3、分别采用了基于邻域信息的纹理预测法和灰度共生矩阵法提取图像局部纹理方向,提高了回归模型的结构辨识能力。通过对模型结构的更加精准的辨识改善了回归模型的稀疏表示性能。实验结果表明,和自适应稀疏表示的压缩感知图像解码方案相比,优化后的方案在相同码率下重构图像的主客观质量更好,能够获得更好的边缘性能,算法的性能更加出色。