当今社会己进入信息时代，而且数字图像在各个方面应用越来越广泛，图像所携带的信息量已经远远大于语音数据，它具有切实、直观、具体生动、高效等特点，因此，图像通信已经成为人类重要的通信手段之一。传统的数字图像压缩技术以高效存储为目标的方法已经不适应数字图像多服务的不可靠信道传输。压缩感知理论的出现突破了传统图像信号处理领域中的两个难点：奈奎斯特准则对采样频率的过高限定而导致对硬件要求的提高；信号处理框架先采样后压缩的方式使得效率较低并且浪费存储空间。本文着重研究图像压缩感知技术中的图像稀疏表示问题，提出了一种针对自然图像稀疏变换后的基于分块压缩采样模式的压缩感知处理方案以及与之相对应的模型化CS恢复算法，在保证其图像恢复能力的同时能提高了CS处理对图像压缩的鲁棒性。主要的工作如下：(1)小波变换DWT作为最常用的图像稀疏变换，应用于压缩感知处理当中作为图像信号的稀疏表示。本文对图像小波系数能量分布与系数相关性进行了实验分析。发现小波变换后包含重要信息部分的低频系数是影响图像恢复效果和鲁棒性的关键所在。对低频系数的有效处理是提高图像压缩感知处理效果的关键。(2)研究并提出压缩感知图像处理过程中图像分块的方法。多维图像数据在做CS处理时则需要十分庞大的测量矩阵来进行测量，测量过程中要消耗大量的存储空间来保存测量矩阵，测量速度骤减，恢复算法效率也会降低，因此有效的图像分块方式将提高图像压缩感知处理的效率和恢复效果，本文对比相应的分块方法并提出全新的小波域树形分块方式，以及相应的恢复算法，通过实验验证了这种方法的可行性。(3)模型化压缩感知恢复算法的研究和实现，图像分块技术要结合相应的恢复算法才能的到更好的图像恢复效果，本文对比实现了基于块稀疏模型的BOMP恢复算法并进行了实验。(4)研究压缩感知处理后对图像信号鲁棒性的提升。鲁棒性，也就是抗干扰能力，原始图像经过随机采样后，它的每一项都是重要的或者说是不重要的，即使丢失了其中某些项，仍然能完美重构，无需向图像压缩编码流中添加纠、检错码仍能保证鲁棒性。研究验证基于压缩感知的图像编码对图像鲁棒性的提升。