基于MATLAB的图像压缩感知算法的实现毕业设计说明书
matlab图像处理毕业设计
matlab图像处理毕业设计Matlab图像处理毕业设计在计算机科学与技术领域，图像处理一直是一个重要的研究方向。
随着数字图像的广泛应用，图像处理技术也变得越来越重要。
Matlab作为一种功能强大的编程语言和开发环境，被广泛应用于图像处理领域。
本文将探讨如何使用Matlab进行图像处理的毕业设计。
首先，我们需要明确毕业设计的目标和要求。
一个好的毕业设计应该能够展示学生对图像处理理论和实践的深入理解，并能够解决实际问题。
因此，在选择毕业设计的题目时，我们应该选择一个有挑战性和实用性的课题。
一个可能的毕业设计课题是基于Matlab的图像增强算法研究。
图像增强是图像处理的一个重要分支，旨在改善图像的质量和清晰度。
在这个课题中，我们可以选择一个或多个图像增强算法，并使用Matlab实现和比较它们的性能。
例如，我们可以选择直方图均衡化、自适应直方图均衡化、多尺度增强等算法，并通过实验比较它们在不同图像上的效果。
另一个可能的毕业设计课题是基于Matlab的图像分割算法研究。
图像分割是图像处理中的一个重要任务，旨在将图像分成若干个具有相似特征的区域。
在这个课题中，我们可以选择一个或多个图像分割算法，并使用Matlab实现和评估它们的性能。
例如，我们可以选择基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法等，并通过实验比较它们在不同图像上的效果。
此外，我们还可以选择其他与图像处理相关的课题，如图像压缩、图像恢复、图像特征提取等。
无论选择哪个课题，我们都需要深入研究相关的理论知识，并使用Matlab进行算法实现和实验验证。
在进行毕业设计时，我们应该注意以下几点。
首先，我们应该充分理解所选择的图像处理算法的原理和特点，并能够清楚地解释它们的优缺点。
其次，我们应该熟练掌握Matlab的基本操作和图像处理工具箱的使用，以便能够高效地实现和测试算法。
此外，我们还应该注意实验设计的合理性和结果的可靠性，确保实验结果的准确性和可重复性。
MATLAB图象压缩
MATLAB图象压缩预览说明:预览图片所展示的格式为文档的源格式展示,下载源文件没有水印,内容可编辑和复制1.图像压缩的概念减少表示数字图像时需要的数据量2.图像压缩的基本原理去除多余数据.以数学的观点来看,这一过程实际上就是将二维像素阵列变换为一个在统计上无关联的数据集合图像压缩是指以较少的比特有损或无损地表示原来的像素矩阵的技术,也称图像编码.图像数据之所以能被压缩，就是因为数据中存在着冗余。
图像数据的冗余主要表现为：（1）图像中相邻像素间的相关性引起的空间冗余；（2）图像序列中不同帧之间存在相关性引起的时间冗余；（3）不同彩色平面或频谱带的相关性引起的频谱冗余。
3数据压缩的目的就是通过去除这些数据冗余来减少表示数据所需的比特数。
由于图像数据量的庞大,在存储、传输、处理时非常困难,因此图像数据的压缩就显得非常重要。
信息时代带来了“信息爆炸”，使数据量大增，因此，无论传输或存储都需要对数据进行有效的压缩。
在遥感技术中，各种航天探测器采用压缩编码技术，将获取的巨大信息送回地面。
图像压缩是数据压缩技术在数字图像上的应用，它的目的是减少图像数据中的冗余信息从而用更加高效的格式存储和传输数据。
4、图像压缩基本方法图像压缩可以是有损数据压缩也可以是无损数据压缩。
对于如绘制的技术图、图表或者漫画优先使用无损压缩，这是因为有损压缩方法，尤其是在低的位速条件下将会带来压缩失真。
如医疗图像或者用于存档的扫描图像等这些有价值的内容的压缩也尽量选择无损压缩方法。
有损方法非常适合于自然的图像，例如一些应用中图像的微小损失是可以接受的（有时是无法感知的），这样就可以大幅度地减小位速。
从压缩编码算法原理上可以分为以下3类：（1）无损压缩编码种类哈夫曼（Huffman）编码，算术编码，行程（RLE）编码，Lempel zev编码。
（2）有损压缩编码种类预测编码，DPCM，运动补偿；频率域方法：正交变换编码(如DCT)，子带编码；空间域方法：统计分块编码；模型方法：分形编码，模型基编码；基于重要性：滤波，子采样，比特分配，向量量化；（3）混合编码。
实验三-基于DCT的数字图像压缩及Matlab实现
实验三-基于DCT的数字图像压缩及Matlab实现实验三基于DCT的数字图像压缩及Matlab实现一、实验原理图像压缩基本原理及模型（一）图像压缩基本原理图像数据压缩的目的是在满足一定图像质量的条件下，用尽可能少的比特数来表示原始图像，以提高图像传输的效率和减少图像存储的容量，在信息论中称为信源编码。
图像压缩是通过删除图像数据中冗余的或者不必要的部分来减小图像数据量的技术，压缩过程就是编码过程，解压缩过程就是解码过程。
压缩技术分为无损压缩和有损压缩两大类，前者在解码时可以精确地恢复原图像，没有任何损失；后者在解码时只能近似原图像，不能无失真地恢复原图像。
假设有一个无记忆的信源,它产生的消息为{ai},1≤i≤N,其出现的概率是已知的,记为P(ai)。
则其信息量定义为:由此可见一个消息出现的可能性越小，其信息量就越多，其出现对信息的贡献量越大，反之亦然。
信源的平均信息量称为“熵”（entropy），可以表示为：对上式取以2为底的对数时，单位为比特（bits）：根据香农（Shannon）无噪声编码定理，对于熵为H的信号源，对其进行无失真编码所可能达到的最低比特数为，这里为一任意小的正数，因此可能达到的最大压缩比为：其中B是原始图像的平均比特率。
在图像压缩中，压缩比是一个重要的衡量指标。
可以定义压缩比为：（二）图像压缩的基本模型图像编码包括两个阶段，前一个阶段就是利用预测模型或正交模型对图像信号进行变换；后一个阶段是利用已变换信号的统计特性，对其分配适当的代码来进行编码传输。
编码器与解码器的结构分别如图(a)、(b)。
在发送端，输入的原始图像首先经过DCT变换后，其低频分量都集中在左上角，高频分量分布在右下角（DCT变换实际上是空间域的低通滤波器）。
由于该低频分量包含了图像的主要信息，而高频分量与之相比就不那么重要了，所以可以忽略高频分量，从而达到压缩的目的。
将高频分量去掉就要用到量化，这是产生信息损失的根源。
图像压缩图像分割 matlab 图像处理
二、图像分割—迭代法求阈值 （一）基本原理 迭代式阈值选择法的基本思想是：开始时选择一个阈值作为初始估计值，然 后按某种策略不断地改进这一估计值， 直到满足给定的准则为止。 在迭代过程中， 关键之处在于选择什么样的阈值改进策略。好的阈值改进策略应该具备两个特 征：一是能够快速收敛，二是在每一个迭代过程中，新产生的阈值优于上一次的 阈值。其算法步骤如下： （1）选择图像灰度的中值作为初始阈值 T0 。 （2）利用阈值 Ti 将图像分割成两个区域— R1 和 R2 ，用下式计算区域 R1 和 R2 的 灰度均值 1 和 2 ：
%对非边界的值进行解码 for i=2:m-1 for j=2:n-1
K(i,j)=J(i,j)+(K(i,j-1)/2+K(i-1,j)/4+K(i-1,j-1)/8+K(i-1,j+1)/8); end end cc=fclose(codefile); K=uint8(K); figure,imshow(K); 选择一幅灰度图像，利用预测编码原理，参考上述程序对其进行预测编码和 解码，显示预测编码前后的图像以及解码后的图像，并对结果进行分析。
（4）重复步骤（2）～（3） ，直到 Ti1 和 Ti 的差小于某个给定值。 （二）matlab 程序实现 I=imread('20080.bmp'); [width,height]=size(I) figure,imshow(I); %显示该图像的直方图 figure,imhist(I); %用迭代法，求出阈值 f=double(I); T=(min(f(:))+max(f(:)))/2; done=false; i=0; while ~done r1=find(f<=T); r2=find(f>T); Tnew=(mean(f(r1))+mean(f(r2)))/2 done=abs(Tnew-T)<1 T=Tnew; i=i+1; end f(r1)=0; f(r2)=1; figure,imshow(f); 选择一幅灰度图像，按照阈值分割原理求出阈值，参考上述程序对其进行阈 值分割，显示分割前后的结果，并对结果进行分析。
基于MATLAB的图像压缩处理技术的研究与实现毕业设计
基于MATLAB的图像压缩处理技术的研究与实现毕业设计目录第一部分毕业论文一、毕业论文第二部分外文资料翻译一、外文资料原文二、外文资料翻译第三部分过程管理资料一、毕业设计（论文）课题任务书二、本科毕业设计（论文）开题报告三、本科毕业设计（论文）中期报告四、毕业设计（论文）指导教师评阅表五、毕业设计（论文）评阅教师评阅表六、毕业设计（论文）答辩评审表2009 届本科生毕业设计（论文）资料第一部分毕业论文-（2009 届）本科生毕业论文基于MATLAB的图像压缩处理技术的研究与实现2009 年6 月长沙学院本科生毕业论文基于MATLAB的图像压缩处理技术的研究与实现系部：电子与通信工程系专业：通信工程学号：2005043204学生姓名：马娟指导教师：刘光灿教授王路露助教2009 年6月目录摘要................................................................................. 错误！未定义书签。
ABSTRACT ........................................................................ 错误！未定义书签。
第1章绪论 (1)1.1 论文研究背景及意义 (1)1.2 图像压缩技术的历史与现状 (1)1.3 离散余弦变换及其在图象压缩中的应用 (2)1.4 论文研究的主要内容 (2)第2章图像压缩的基本原理 (4)2.1 图象压缩评价标准 (4)2.1.1 客观标准 (4)2.1.2 主观标准 (5)2.2 图像压缩技术标准 (5)2.3 图像压缩的分类 (8)2.4 图像压缩处理技术基本理论 (9)2.4.1 图像压缩的基本原理 (9)2.4.2 图像压缩的基本模型 (10)第3章离散余弦变换的MATLAB实现 (12)3.1 MATLAB图像处理工具箱 (12)3.2 离散余弦变换的定义 (12)3.3 离散余弦变换的基本原理与算法 (13)3.3.1 离散余弦变换的基本原理 (13)3.3.2 离散余弦变换算法 (15)3.4 离散余弦算法的实现 (15)第4章离散余弦变换的界面实现 (17)4.1 图形用户界面简介 (17)4.2 界面设计的MATLAB实现 (17)4.2.1 界面设计总体概述 (17)4.2.2 界面设计具体实现 (18)第5章运行结果显示及分析 (20)5.1 离散余弦变换的算法实现 (20)5.1 离散余弦变换的界面实现 (20)5.5 设计过程中的疑难及改进 (22)结论 (23)参考文献 (24)附录 (25)致谢................................................................................. 错误！未定义书签。
基于Matlab环境的JPEG图像压缩算法
量 化
便 于传输 、 存储和译码器进 行译码 ， 这样组织 的数据通常 称 为 ＪＥ Ｐ Ｇ位数据流（Ｐ Ｇ ｂｔ ｔ ａ 。图像 的离散余弦变换 ＪＥ ｉ ｓｅｍ） ｒ
具 有把 高 度 相关 数 据 能 量 集 中 的趋 势 ， 正 是 他 用 于 图 像 压 这 缩 的优 点 所 在 ， 这 一点 被 广 泛 应 用 于 图 像 压 缩 。对 通 常 的 故 图像 来 说 ， 多 数 Ｄ Ｔ系 数 的值 非 常 接 近 ０ 如 果 舍 弃 这 些 大 Ｃ 。
接近零 的 Ｄ Ｔ系数 值 ， 重构 图像 是并 不会带来 画面质量 Ｃ 在
（， ＝０ ｄ Ｈ ， Ｉ ｕ ） ｒ ｎ ” ｕｌ
，
（） ５
的 显著 下 降 。所 以 ， 用 Ｄ Ｔ进 行 图 像 压 缩 可 以节 约 大 量 利 Ｃ
的存储空间 。压缩应 该在最合 理的近似原 图像 的情 况下使
ＪＥ （ｏ ｔ ｉｔ ｅｅｐｒ ｇｏｐ ， Ｐ Ｇ ｊｉ ｃ ｒ ｘｅ ｒｕ ） 即联 合 图像 专家 组 。 ｎｐ ｕ ｔ
ＪＥ Ｐ Ｇ算法 中首先对 图像进行 分块处理 ， 在对 每一 快进行 二 维离散余 弦变换 ， 变换后 的系数基 本不相关 ， 系数矩 阵的 且
Ｆｕ ） ｃ ）（ ∑ ∑ｆ ， ・ （， ＝ （ ｃ ） （ｙ ｘ）
一
于空间线性 预测技术 （ 即差分脉冲编码调制） 算法 ， 该算法 属
于无失真压缩算法 ； ２种算 法是基 于离散余 弦变换 、 程 第 行 编码 、 熵编码 的有 失真 压缩算 法。 目前 比较 流行后 一种算 法， 即有失真 Ｄ Ｔ压缩编码 。 Ｃ
基于MATLAB的图像压缩处理技术的研究与实现毕业设计方案论文
基于MATLAB的图像压缩处理技术的研究与实现毕业设计方案论文长沙学院CHANGSHA UNIVERSITY 毕业设计（论文）资料基于MATLAB的图像压缩处理设计（论文）题目：技术的研究与实现系部：电子与通信工程系专业：通信工程学生姓名：班级：指导教师姓名：最终评定成绩目录第一部分毕业论文一、毕业论文第二部分外文资料翻译一、外文资料原文二、外文资料翻译第三部分过程管理资料一、毕业设计（论文）课题任务书二、本科毕业设计（论文）开题报告三、本科毕业设计（论文）中期报告四、毕业设计（论文）指导教师评阅表五、毕业设计（论文）评阅教师评阅表六、毕业设计（论文）答辩评审表2009 届本科生毕业设计（论文）资料第一部分毕业论文-（2009 届）本科生毕业论文基于MATLAB的图像压缩处理技术的研究与实现系部：电子与通信工程系专业：通信工程学生姓名：马娟学号 2005043204班级：05通信2指导教师姓名：刘光灿职称教授王路露职称助教最终评定成绩2009 年6 月长沙学院本科生毕业论文基于MATLAB的图像压缩处理技术的研究与实现系部：电子与通信工程系专业：通信工程学号：2005043204学生姓名：马娟指导教师：刘光灿教授王路露助教2009 年6月摘要图像是一种重要的二维信号，由于其数据量很大，在存储和传输的时候要对其进行压缩处理。
离散余弦变换是一种新兴的数学工具，基于离散余弦变换的图像压缩技术正受到广泛的关注和研究。
图像经过离散余弦变换以后，在时域和频域都具有良好的局部化特性，重建图像中可以克服采用离散余弦变换编码所固有的方块效应，而且与人类视觉特性相一致。
论文主要研究了基于MATLAB的图像压缩算法，完成了以下一些工作：介绍了图像压缩的原理和方法，列举了常用的图像压缩的评价标准和技术标准，在理论分析的基础上深刻理解了图像压缩算法。
重点研究了离散余弦算法的基本原理和实现步骤，对基于DCT变换的图像压缩技术的算法进行了研究，并用MATLAB进行了算法仿真，同时，利用MATLAB程序形象设计出图形用户界面，形象直观的看到了图像压缩前后的鲜明对比，取得了较为理想的效果。
图像编程霍夫曼图像压缩重建【matlab源码】
毕业论文（设计）题目学院学院专业学生姓名学号年级级指导教师教务处制表matlab图像编程霍夫曼图像压缩重建一、程序说明本团队长期从事matlab编程与仿真工作，擅长各类毕业设计、数据处理、图表绘制、理论分析等，程序代做、数据分析具体信息联系二、程序示例function SnapImage()imagesPath = '.\\snap_images';if ~exist(imagesPath, 'dir')mkdir(imagesPath);end[FileName,PathName,FilterIndex] = uiputfile({'*.jpg;*.tif;*.png;*.gif','All Image Files';...'*.*','All Files' },'保存截图',...'.\\snap_images\\temp.jpg');if isequal(FileName, 0) || isequal(PathName, 0)return;endfileStr = fullfile(PathName, FileName);f = getframe(gcf);f = frame2im(f);imwrite(f, fileStr);msgbox('抓图文件保存成功！', '提示信息');function SaveImage(Img)imagesPath = '.\\results';if ~exist(imagesPath, 'dir')mkdir(imagesPath);end[FileName,PathName,FilterIndex] = uiputfile({'*.jpg;*.tif;*.png;*.gif','All Image Files';...'*.*','All Files' },'保存截图',...'.\\results\\result.jpg');if isequal(FileName, 0) || isequal(PathName, 0)return;endfileStr = fullfile(PathName, FileName);imwrite(mat2gray(Img), fileStr);function S=PSNR(sss,aaa)[m n p]=size(sss);A=double(sss);B=double(aaa);sumaDif=0;maxI=m*n*max(max(A.^2));for u=1:mfor v=1:nsumaDif=sumaDif+(A(u,v)-B(u,v))^2;endendif (sumaDif==0)sumaDif=1;endS=maxI/sumaDif;S=10*log10(S);function [zvec, zi] = Mat2Huff(vec)if ~isa(vec,'uint8')fprintf('\n请确认输入uint8类型数据向量！\n');return;endvec = vec(:)';f = Frequency(vec);syminfos = find(f~=0);f = f(syminfos);[f, sind] = sort(f);syminfos = syminfos(sind);len = length(syminfos);syminfos_ind = num2cell(1:len);cw_temp = cell(len,1);while length(f)>1ind1 = syminfos_ind{1};ind2 = syminfos_ind{2};cw_temp(ind1) = AddNode(cw_temp(ind1),uint8(0));cw_temp(ind2) = AddNode(cw_temp(ind2),uint8(1));f = [sum(f(1:2)) f(3:end)];syminfos_ind = [{[ind1 ind2]} syminfos_ind(3:end)]; [f,sind] = sort(f);syminfos_ind = syminfos_ind(sind);endcw = cell(256,1);cw(syminfos) = cw_temp;len = 0;for i = 1 : length(vec),len = len+length(cw{double(vec(i))+1}); endstr_temp = repmat(uint8(0),1,len);pt = 1;for index=1:length(vec)cd = cw{double(vec(index))+1};len = length(cd);str_temp(pt+(0:len-1)) = cd;pt = pt+len;endlen = length(str_temp);pad = 8-mod(len,8);if pad > 0str_temp = [str_temp uint8(zeros(1,pad))]; endcw = cw(syminfos);cl = zeros(size(cw));ws = 2.^(0:51);mcl = 0;for index = 1:length(cw)len = length(cw{index});if len>mclmcl = len;endif len>0cd = sum(ws(cw{index}==1));cd = bitset(cd,len+1);cw{index} = cd;cl(index) = len;endendcw = [cw{:}];cols = length(str_temp)/8;str_temp = reshape(str_temp,8,cols);ws = 2.^(0:7);zvec = uint8(ws*double(str_temp));huffcodes = sparse(1,1);for index = 1:numel(cw)huffcodes(cw(index),1) = syminfos(index);endzi.pad = pad;zi.huffcodes = huffcodes;zi.ratio = cols./length(vec);zi.length = length(vec);zi.maxcodelen = mcl;function vec = Huff2Mat(zvec, zi)if ~isa(zvec,'uint8')fprintf('\n请确认输入uint8类型数据向量！\n');return;endlen = length(zvec);str_tmp = repmat(uint8(0),1,len.*8);bi = 1:8;for index = 1:lenstr_tmp(bi+8.*(index-1)) = uint8(bitget(zvec(index),bi));endstr_tmp = logical(str_tmp(:)');len = length(str_tmp);str_tmp((len-zi.pad+1):end) = [];len = length(str_tmp);vec = repmat(uint8(0),1,zi.length);vi = 1;ci = 1;cd = 0;for index = 1:lencd = bitset(cd,ci,str_tmp(index));ci = ci+1;byte = Decode(bitset(cd,ci),zi);if byte > 0vec(vi) = byte-1;ci = 1;cd = 0;vi = vi+1;endendfunction InitFig(hObject,handles)axes(handles.axes1);cla; axis on; box on;set(gca, 'Color', [0.8039 0.8784 0.9686]);set(gca, 'XTickLabel', [], 'YTickLabel', [], 'XTick', [], 'YTick', []);axes(handles.axes2);cla; axis on; box on;set(gca, 'Color', [0.8039 0.8784 0.9686]);set(gca, 'XTickLabel', [], 'YTickLabel', [], 'XTick', [], 'YTick', []);set(handles.textInfo, 'String', ...'图像压缩系统，载入图像，选择压缩算法，比较压缩效果。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
毕业设计（论文）课题名称基于MATLAB的图像压缩感知算法的实现目录目录 (I)第1章绪论 (1)1.1 研究背景和意义 (1)1.2 数据压缩技术 (2)1.2.1 传统数据压缩技术 (2)1.2.2 压缩感知理论（Compressed/Compressive Sensing/Sampling, CS） (3)1.3 无线传感器网络 (6)1.3.1 无线传感器网络概述 (6)1.3.2 无线传感器网络数据压缩的必要性 (7)1.4 本文主要工作和内容安排 (8)第2章压缩感知理论 (9)2.1压缩感知的前提条件—稀疏性和不相干性 (10)2.2 三个关键技术 (13)2.3信号的稀疏表示 (13)2.4 观测矩阵设计 (15)2.5 稀疏信号的重构 (17)2.6 重构算法 (18)2.7 压缩感知优势及不足 (20)2.8 压缩感知在传感网中的观测方式 (21)第3章压缩感知理论应用概述 (22)3.1 压缩成像 (22)3.2 模拟信息转换 (23)3.3 生物传感 (23)3.4 本章小结 (24)第4章 CS在无线传感网中的应用 (24)4.1 研究背景 (25)4.1.1 基于感知数据相关性的压缩 (25)4.1.2传统压缩重构方法 (25)4.1.3 图像压缩重构质量的评价 (26)4.2 压缩感知理论算法对一维信号的实现 (28)4.2.1 CS用于WSN的优势 (28)4.2.2 观测重构模型 (28)4.2.2 正交匹配追踪算法（OMP） (29)4.2.3 算法的实现及结果分析 (30)4.3 压缩感知理论算法对二维图像重构的实现 (34)4.3.1 基于小波变换的分块压缩感知理论 (34)4.3.2 实现步骤 (35)4.3.3 重构结果及分析 (38)4.4 本章小结 (42)第5章总结与展望 (42)5.1 工作总结 (42)5.2 后续展望 (43)参考文献 (43)致谢 (45)附录 (46)摘要数据压缩技术是提高无线数据传输速度的有效措施之一。
传统的数据压缩技术是基于奈奎斯特采样定律进行采样，并根据数据本身的特性降低其冗余度，从而达到压缩的目的。
近年来出现的压缩感知理论（Compressed Sensing,CS）则不受制于奈奎斯特采样定律，它是采用非自适应线性投影来保持信号的原始结构，以直接采集压缩后的数据的方式，从尽量少的数据中提取尽量多的信息。
本文阐述了压缩感知方法的基本原理，分析了CS理论框架及关键技术问题，介绍了压缩感知技术应用于无线传感的优势，并着重介绍了信号稀疏变换、观测矩阵设计和重构算法三个方面的最新进展，对研究中现存的难点问题进行了探讨。
并运用matlab软件，在离散傅里叶变换（DFT）和离散余弦变换（DCT）分块CS的基础上，采用正交匹配追踪算法（OMP）实现了对一维信号和二维图像的高概率重构。
将重构结果与原始信号对比，结果表明，只要采样数M（远小于奈奎斯特定理所需要的采样率）能够包含图像所需要的有用信息时，CS算法就能精确的完成对图像的重构，并且重构效果也比较好。
关键词：压缩感知无线传感正交匹配稀疏表示观测矩阵AbstractThe data compression technology is one of the efficient measures for increasing the speed of wireless data communication. Traditional data compression technology is based on Nyquist sampling theorem, reaching the goal of compression by decreasing redundancy of information. In recent years, Compressed Sensing(CS) comes out as a new sampling theory, it does not have to obey Nyquist sampling theorem, and it can keep the original structure of signals by attaining the non-adaptive linear projections. So, CS can gather the compressed data directly and get more information from less data.This paper reviews the theoretical framework and the key technical problems of compressed sensing and introduces the latest developments of signal sparse representation, design of measurement matrix and reconstruction algorithm. Then this paper also discusses the existing difficult problems. Based on the discrete fourier transform (DFT) and discrete cosine transform (DCT), we use MATLAB software, realizes the accurate reconstruction of one-dimension signal two-dimension image by applying the OMP algorithm. Then make a comparison to the reconstruction of signal to original signals and make a conclusion. If only the sampling measurements M (far less than Nyquist sampling measurements ) contain the useful information of signals, CS algorithm can complete the accurate reconstruction, and the effect of reconstruction signal is good too.Key words: compressed sensing wireless sensor networks orthogonal matching pursuit sparse presentation measurement matri第1章绪论在当今的信息社会，电脑、手机、传感器、驱动器等都要连接到因特网，这样的无线通信系统中，将会产生并且传播大量数据信息，从而对信号的采样、存储、传输和恢复造成巨大压力，增加了通信设备的成本。
对人们来说，如何有效的处理这些数据，成为一个新的挑战。
近几年来，在信号处理领域出现的压缩感知理论（CS）打破了传统采样过程中信号采样速率必须达到信号带宽两倍以上才能精确重构原始信号的奈奎斯特采样定理，使得信息存储、处理和传输的成本大大降低。
1.1 研究背景和意义随着人们对信息需求量的增加，网络通信、多媒体技术、存储技术的发展越来越快，网络的规模也越来越大，寻找高效的信息技术来降低数据量成为无线传输系统中急需处理的问题之一。
这是因为数字化的各类信息的数据量十分庞大，若不对其进行有效的压缩就难以得到实际的应用，因此，数据压缩技术成为人们研究的一项重要技术。
无线传感器网络是近来研究的热点方向之一。
它是由分布在监测区域内的大量微型传感器节点通过无线电通信而形成的一个自组织网络系统。
这个系统的目的是协作的感知、采集和处理网络覆盖区域里被监测对象的信息，并将结果发送给用户。
在一个传感器网络中，常常包含大量传感器节点，每个传感器都会采集大量的数据。
这些数据将会被传输到一个控制中心,也会在各个节点之间传输，在这种分布式传感网络中，数据传输功耗和带宽需求非常大，所以，如何对这样的分布式信号进行压缩，从而减小通信开销已经成为非常紧迫的需求。
压缩感知理论与传统奈奎斯特采样定理不同，它指出，只要信号是可压缩的或在某个变换域是稀疏的，那么就可以用一个与变换基不相关的观测矩阵将变换所得高维信号投影到一个低维空间上，然后通过求解一个优化问题就可以从这些少量的投影中以高概率重构出原信号，可以证明这样的投影包含了重构信号的足够信息。
在该理论框架下，采样速率不决定于信号的带宽，而决定于信息在信号中的结构和内容。
事实上，压缩感知理论的某些抽象结论源于Kashin创立的范函分析和逼近论，最近由Candès，Romberg ，Tao和Donoho等人构造了具体的算法并且通过研究表明了这一理论的巨大应用前景。
从信号分析角度来讲，傅立叶变换是信号和数字图像处理的理论基础，小波分析将信号和数字图像处理带入到一个崭新的领域。
多尺度几何分析是继小波分析后的新一代信号分析工具，它具有多分辨、局部化和多方向性等优良特性，更适合于处理图像等高维信号。
这些研究工作都为压缩感知理论奠定了基础。
显然，在压缩感知理论中，图像/信号的采样和压缩同时以低速率进行，使传感器的采样和计算成本大大降低，而信号的恢复过程是一个优化计算的过程。
因此，该理论指出了将模拟信号直接采样压缩为数字形式的有效途径，具有直接信息采样特性。
由于从理论上讲任何信号都具有可压缩性，只能找到其相应的稀疏表示空间，就可以有效地进行压缩采样，这一理论必将给信号采样方法带来一次新的革命。
1.2 数据压缩技术数据压缩技术就是对原始数据进行数据编码或者压缩编码，从而用最少的数码来表示信源发出的信号。
数据压缩的对象很广泛，可以是通信时间、传输带宽、存储空间甚至发射能量。
数据压缩的作用是能够快速地传输各种信号；在已有的一些通信干线并行开通更多的多媒体业务；紧缩数据存储容量；降低发信机功率等等。
1.2.1 传统数据压缩技术前较成熟的数据压缩技术有许多种，按照压缩后对信息的失真程度,主要分为无损压缩和有损压缩。
无损压缩是利用数据中的统计冗余进行压缩。
数据中间存在的一些多余成分，称之为冗余度。
例如，在某一份计算机文件中，一些符号会反复出现、一些符号比其它的符号出现得更频繁、一些符号总是出现在各数据块中的可预见的位置上，以上讲述的这些冗余部分便可在数据编码中除去或者减少。