近年来,随着农业智能化的脚步加快。在农业生产中,搭建无线传感器网络采集单一的环境参数,来监控农业生产环境,已经越来越满足不了农业的生产生活的需要了。同时,随着网络技术和图像处理技术的快速发展,使得面向农业的多媒体无线传感网络应运而生。然而在网络中,传输的数据量过大,不仅导致网络中的采集节点能耗消耗过快,同时会导致网络造成拥塞的问题。因此,为了延长网络采集节点的工作时间,同时降低网络的数据传输量,使用一种合适的压缩和恢复算法已经越来越有着实际的重要意义。本文使用压缩感知将采集的彩色图像进行压缩,并通过重构算法对压缩后的图像进行恢复,从而从理论上减少了数据的传输量。压缩感知(CS),它是新型的信号压缩与恢复理论,分为三个步骤:信号的稀疏表示、测量矩阵和重构算法。通过这三个步骤来对信号进行压缩和重构。本文分析和介绍了CS理论的稀疏表示、测量矩阵和重构算法的数学原理和常用方法,同时介绍了RGB和YUV颜色模型和彩色图像质量判断方法。根据这些基本理论,提出了基于CS理论的RGB和YUV两种颜色模型的彩色图像的压缩和重构算法,将该算法利用于农业彩色图像,并将这些图像分别放在不同稀疏化基、不同测量矩阵、不同重构算法和不同压缩率的对比试验中,进行实验分析。根据实验分析,可得如下结论:基于CS理论的RGB和YUV颜色模型的彩色图像的具有可行性。同时具有高恢复精度。傅立叶稀疏基具有很好的恢复效果,小波稀疏基重构的图像保留了纹理细节。不同的稀疏基和测量矩阵对重构的精度有着很大的影响。稀疏度和压缩率与恢复精度有着极大的相关性。其中,同一压缩率的前提下,稀疏度的加大,重构精度逐渐下降;当在相同稀疏度的情况下,随着压缩率减小,重构精度逐渐提高,然而达到一定的范围时,重构精度就不再增加。