传统的静止图像压缩编码过程是先对已有的图像样本值进行变换以得到大量的零或接近于零的系数，再对其中的重要的大系数的幅度、位置进行量化和熵编码形成压缩的图像数据，最后进行存储和传输。解码过程是编码的逆过程。视频图像压缩编码通常分为帧内编码和帧间编码两种。帧内编码的过程和静止图像的一样；帧间编码过程是先对参考帧进行运动估计和补偿得到预测帧，再将现有帧和预测帧进行求残差，最后对残差进行变换、量化和熵编码。视频图像的解码过程也是编码的逆过程。　　 新的压缩感知理论是在近几年的数学成果上提出的，主要包括信号的稀疏表示、测量和信号的重构三个部分。信号的稀疏表示是指信号经某种变换后出现很多零系数或者趋近于零的系数；测量是指将高维信号投影到低维空间；重构是指利用某种算法通过信号的低维投影测量值得到欠定方程组的最优解的过程。　　 本文提出了一种基于压缩感知理论的静止和视频图像的压缩编解码方案。静止图像的编码过程是先完成一个测量或采样的过程，也即将高维信号进行投影的过程，再对样本值或测量值进行量化、熵编码得到编码码流。解码过程是先将接收到的码流进行熵解码、反量化，再完成一个求欠定方程组的最优解的过程。视频图像的编码仍分为帧内编码和帧间编码。帧内编码的过程和静止图像的编码过程一样，而帧间编码过程则先将现有帧和参考帧进行求残差，再对残差进行测量、量化、熵编码。由于残差图像的稀疏性更强，所以需要的样本数或测量数目更少。帧内编码的图像的解码和静止图像的解码过程相同，帧间编码的图像的解码在熵解码、反量化得到的残差数据进行最优化重构后，再与参考帧求和得到重构图像。实验证明，在保持较高的压缩比和较好的图像质量条件下，新的编解码方案比传统的方案所需的样本数少，不会出现数据和计算资源的浪费。而且，由于没有运动估计和补偿过程，所以新的编解码过程的计算复杂度低。此外，传统的编码过程较为复杂，解码是编码的逆过程，而新提出的编码测量过程十分简单，解码端的最优化重构过程较为复杂，有利于测量条件较为严格的条件下采集并编码信号。