近年来,人们的饮食习惯日趋恶劣,胃肠病的发病率也日渐升高,电子内窥镜作为现代肠胃科最为重要的肠胃病辅助诊断工具也渐渐被人们所熟知。而受限于多方面的技术问题,现有的电子内窥镜成像精度较低,给医生确诊带来了很大的难题,因此,研究电子内窥镜的改造升级,提升成像速度和重构成像精度具有很大的研究价值和现实意义。本文针对电子内窥镜视频流中帧和帧之间结构较为相似的特点,以目前信号处理领域先进的压缩感知(Compressed Sensing,CS)理论作为切入点,指出了现有CS图像处理框架中字典学习耗时较长、鲁棒性较差和重构精度不足等问题,并针对这些缺点设计了一种基于多字典改进型压缩感知框架的内窥镜图像感知重构方法。传统压缩感知理论下单字典学习需要一次性使用整个数据集,字典训练耗时长且鲁棒性一般,因此本文提出使用多字典结构来解决这个问题。另外,内窥镜图像尺寸往往较大,包含了很多纹理细节特征,传统的感知矩阵设计方法不能满足这么复杂的性能需求,本文提出基于多字典平均梯度下降的鲁棒感知矩阵设计方法,大幅度提高了内窥镜重构性能,最后基于多字典平均结构进行图像信号的整合重构。研究具体内容如下:(1)针对内窥镜图像训练集较大,手术实时视频流中帧和帧之间较为相似的特点,首先在字典学习阶段,将较大的训练集按部位拆分成一个个较小的子训练集,对具有不同细节特征的肠胃部位分别训练出相同尺寸的字典,并行运算就能被用来成倍地加速字典学习,而且更多的字典包含了更多的特征原子,最后重构阶段使用平均权重进行加权重构,降低了信号重构误差偶然性的同时提高了重构性能。(2)针对内窥镜图像尺寸较大,包含纹理细节特征较多的问题,引入了对复杂多变信号适应性更好的鲁棒感知矩阵设计方法,该方法在设计感知矩阵中考虑了其自身能量的问题并引入了相关的正则项,本文在分析该优化函数后指出了其优化算法代价函数非凸性的问题,创新性地使用多字典平均梯度下降方法来优化非凸性代价函数,在数学理论上推导证明了该方法的收敛性和可靠性,并用仿真证明了该方法的确能帮助跳出局部最优陷阱。(3)采用MATLAB仿真软件,基于人工合成输入信号和真实的内窥镜图像输入信号,将本文提出的算法框架和其它优秀的图像压缩感知处理算法进行横向比较,从范数能量、均方误差、感知矩阵互相干性、Gram矩阵结构、峰值信噪比等多角度验证了本文提出算法的优越性,最后对其在其它场景进行应用展开了遐想。