传统的图像压缩是在图像全采样后进行的,运用了采样-压缩-解压的经典模型,而压缩感知算法将采样和压缩结合在一起,避免了高速采样后再压缩导致的数据浪费,减轻了后续数据处理的压力。本文在压缩感知算法上进行了改进,首先考虑到压缩感知算法的计算量会随图像尺度增大而成指数上升,并且对全局的处理没有考虑图像变换域的波动性,所以根据局部特征对图像合理分块,进行相应变换,并以不同比例压缩,进一步减少了数据量,最大限度的保留重要信息。在重构过程中运用贝叶斯估计的思想,结合待估参数的先验信息,实时对其调整,减少人为干预,使重构效果达到最佳。实验仿真表明,在相同压缩比条件下,改进算法有更好的主观效果和更高的峰值信噪比,并在运算速度上也体现了较高的性能。本文使用Quartus II将改进的压缩感知算法在DE2-115上实现。由于压缩感知算法中迭代运算较多,复杂度很高,用纯电路方式很难完全实现,所以使用Verilog编写硬件接口驱动及简单的数据处理,并利用SOPC工具搭建Nios II软核,用C语言将核心算法在Nios II上实现。在整个过程中利用Matlab仿真并改进算法,用VC++进行压缩感知的C语言编程,再将算法移植在硬件平台上并合理修正,利用Signaltap调整硬件时序,最终实现功能,实验结果显示当压缩比达到3:1的情况下,输出的重构图像依然有较好的效果。