基于奎斯特采样定理的传统图像采样方法不仅对传感器提出了高成本要求,且在采样时间、内存消耗、计算速度等受限的实际应用场合很不适用。压缩感知理论突破奈奎斯特采样定理的限制,利用信号的稀疏性、可压缩性能高概率重构原始信号,在图像编码领域得到广泛应用。针对图像分块压缩感知的自适应测量方法,本文在对相关研究背景及基础理论知识综述后,首先,对自适应分块压缩感知的测量结构进行了分析研究;接着,在测量结构的基础上,在像素域中设计图像特征度量块稀疏性,并设计自适应测量方法;最后,考虑到在压缩成像应用中原始图像数据不可获取的情况,在感知域进行自适应测量方法设计。本文的主要工作如下:(1)提出三种图像分块压缩感知的测量结构。首先,提出的光栅结构,该测量结构将二维图像按列编写,进而存储测量;接着,考虑到块效应现象通常产生于稀疏度有明显差异的图像块相邻区域,提出片状结构,将二维图像分为重叠图像块,对重叠块进行重复测量;最后,根据较小块计算复杂度小、易测量,而较大块可提高重构质量的特点,提出层状结构。层状结构对原始图像进行两次划分,小块划分构成底层、大块划分构成顶层,通过底层逐小块测量、顶层逐大块重构,进而确保原始图像的重构质量。(2)提出两种像素域特征用于度量图像块稀疏性。为减少块效应现象,提出利用空间熵度量图像块的稀疏度,自适应地分配测量次数,有效改善了重构图像中的块效应现象。利用图像块间的相关性,提出利用块间视觉对比度衡量图像块的稀疏度,并作自适应测量分配,块间视觉对比度可较好地反映块稀疏度分布,从而有效制约了重构图像中的块效应。(3)提出感知域特征导向的自适应测量方法。针对压缩成像设备构建的编码端中原始图像数据未可知的难题,提出感知域特征导向的自适应测量方法。该方法可直接利用压缩感知测量值计算各图像块的感知熵,以感知熵度量图像块稀疏度,并设计测量次数的自适应分配方案。与像素域特征相比,感知熵仍能较好地反映块稀疏度分布,在有效减少冗余测量的同时,显著抑制了块效应,有效改善了重构图像的视觉质量。