最近几年出现的一种新颖理论——压缩感知,能够在保证不损失信号的情况下,用远低于奈奎斯特采样定理所要求的速率采样信号,同时又能够完全恢复信号,极大地降低信号的采样频率及数据存储和传输代价,显著地降低信号处理时间和计算成本。本文介绍了将压缩感知理论在图像处理中的应用,将其与图像处理的一些方法相结合,进而达到我们的目的,即图像目标重构。将压缩感知用于进行图像目标重构,包括了以下具体内容：(1)将压缩感知用于自然图像处理时,将图像分成小块后既能够保证重构质量,又能够节约内存,提高处理速度。由于不经历到其他变换空间的投影这一过程,所以用最小均方误差线性解来进行图像重构,该方法比L2重构得到了更好的结果。(2)将压缩感知与图像数据相似度比较相结合,将观测向量中包含目标的部分提取出来,这样就可以将其与不包含目标的部分区分开来,再对包含目标的部分进行加权二范数的重构,对不包含目标的部分进行传统二范数的重构,这样在重构图像中就能明显区分出目标区域和背景部分,达到背景与目标分离的目的。(3)将压缩感知与视觉注意模型相结合,能够得到一幅图像的目标显著图,该目标显著图标出了图像中显著目标的区域,相当于得到了与原图相对应的加权矩阵,用这个矩阵对观测矩阵加权,得到的是加权后的观测向量,其中只包含有图像中目标的信息。然后我们提出对该视觉注意模型进行改进,得到了更好的重构结果。