随着信息技术的不断发展,如何处理信息数据成为当下研究的热点。而压缩感知理论突破了香农采样定理,为信息处理提供了一个新的发展方向。但是信号量不断的增大,给压缩感知的应用也带来了很大的压力。另外,信号特征在信号中是不均匀分布的,如何在考虑信号特征基础上,同时解决信号特征的不均匀分布的问题,也为压缩感知的研究带来了新的研究方向。本文研究压缩感知理论在图像处理和无线传感器网络数据存储中的应用,主要内容包括如下三个方面:(1)对传统的压缩感知理论进行综述,总结压缩感知相对于传统压缩方法的优势与不同。并对分块压缩感知在图像领域的现有部分方法进行介绍,并给出图像重构质量的评价标准;同时,对压缩感知在传感器网络数据存储方面的代表性算法进行描述。(2)提出了一种基于显著性的二次分块压缩采样方法。该方法首先对图像进行预处理以得到图像显著性信息;根据已获得的显著性信息,在以往的图像均匀分块压缩感知基础上,进一步聚合分块,让接近的块聚集在一起,均衡图像块的特征分布,优化采样率的分配。实验结果表明,本文提出的基于显著性的二次分块压缩采样方法在相同采样值的前提下,相较其他方法,提高了图像的重构质量,使得图像的PSNR、MSSIM等评价指标均明显高于传统算法,同时视觉效果上重要区域也更为优质。(3)提出了一种基于压缩感知的概率随机游走存储策略。这一策略结合压缩感知理论和随机游走模型,改变节点存储结构,弥补以往方法中不能单独处理特定小区域的节点的不足。该方法首先对每个节点进行初始化,形成独立的数据包和存储包;然后在编码存储阶段中,每个源节点以p概率向邻居传输数据,随机游走t步后停止数据,每一步中,接收到数据的节点对数据进行存储,再以p概率向自己的邻居传输接收到的数据;最后在重构阶段,被采样的节点,将查询范围内的数据编码上传给移动sink节点。传输实验结果表明,本文提出的算法使指定区域还原的数据误差减小,同时大大降低了重构所需收集的数据量。