由于数字图像能直观的表达所具有的信息,目前其作为最重要的信息载体在各个行业广泛应用。然而,数字图像一般数据量较大,同时在存储或传输时也会面临众多安全问题。因此,为了提高数字图像存储或传输的安全性和效率,需要对图像数据进行压缩和加密。由压缩感知（Compressed sensing,CS）理论的特殊采样模型可知,CS压缩采样过程可以作为一种对称加密方案,并且能同时实现压缩和加密。但是,CS测量矩阵如果被当作密钥并且重复使用时不能抵抗选择明文攻击;此外,CS采样后测量值含有原始图像的能量信息,如果直接存储或传输测量值会有泄露能量信息的风险。混沌系统具有对初值与参数敏感性、内随机性和长期不可预测性等良好的密码学特性,因此本文将混沌系统引入CS加密框架内来解决CS加密的安全问题。另外,常用的经典CS重构算法在处理大稀疏度的图像信号时存在重构效果不好或重构时间较长的问题,使CS加密整体效率下降。针对数字图像存储或传输的安全性和效率问题,本文以传统CS图像加密框架为核心,并结合超混沌系统,对CS图像加密过程存在问题展开深入研究,旨在提升图像压缩加密的安全性和整体效率。主要研究内容如下:（1）提出了一种基于六维无简并离散超混沌和明文相关置乱的图像压缩加密算法。首先,设计了一种具有六个正Lyapunov指数的六维无简并离散超混沌系统,将其引入CS图像加密框架中并用于构造测量矩阵和生成后续加密过程的密码矩阵。其次,对于传统CS图像加密框架无法抵抗已知和选择明文攻击的问题,使用原始图像的SHA-256值作为混沌系统的密钥进而生成密码矩阵,并设计了与明文相关的置乱和双向扩散算法来加密测量值。最后,对所提出的压缩加密算法进行仿真实验,分析和验证所提出算法的高安全性和在低压缩率下的重构性能。（2）提出了一种基于自适应稀疏化和双选择变步长回溯匹配追踪的压缩加密算法（Adaptive Sparsification and Double Selection Variable Step-size Backtracking Matching Pursuit,AS-DSVSBMP）。首先,设计了图像自适应阈值稀疏化算法,提升原始图像的稀疏程度。其次,针对压缩感知常用的贪婪重构算法重构时间过长和在稀疏度未知情形下自适应能力较差的问题,设计了双选择变步长回溯匹配追踪算法,显著减少了算法重构时间以及提升了算法在稀疏度未知情形下的自适应能力。然后,为了提高AS-DSVSBMP压缩加密算法的安全性,对测量值进行置乱和扩散加密。最后,对所提出的压缩加密算法进行仿真实验,分析和验证所提出算法在稀疏度未知情形下的自适应能力、重构效率和稍高压缩率下的重构性能。