摘要：壓縮感知理論是近年來提出的一種信號壓縮編碼理論,它突破了奈奎斯特采樣定理的極限,能以隨機采樣的方式用更少的采樣數據優質的恢復出原始信號。信號的稀疏表示是壓縮感知理論的基礎和前提,因此如何找到合適的稀疏字典,實現信號的最優稀疏表示,成為該領域的重要研究目標。在眾多稀疏字典中,基于字典學習的自適應過完備稀疏字典擺脫了固定結構,使得字典中的原子尺度和特性更加接近原始信號本身。然而已有字典學習算法存在耗時過長的問題,因此提高字典學習速度的研究有著重要的意義。近年來基于稀疏表示與字典學習的圖像去噪算法研究,無線多媒體傳感器網絡中的視頻編解碼方法得到了越來越多的重視。該領域的研究主要針對兩大問題:（1）如何降低編碼端的復雜度;（2）如何抵抗信道誤碼。壓縮感知理論在該領域的應用,可以很好的解決上述問題,應用字典學習算法則可提高視頻重構精度,因此將壓縮感知和字典學習應用于視頻編解碼中,有很大的應用前景。本文主要包括以下三個研究內容:（1）分析各類稀疏字典的特點,并將其應用于壓縮感知理論中,通過實驗對字典結構、稀疏表示能力和重構精度等方面做了詳細對比;（2）基于字典學習耗時過長的問題,提出了一種改進的字典學習算法IK-SVD,在稀疏表示環節引入了系數復用思想,在字典更新環節對SVD分解方法進行簡化,從而減小時間損耗。實驗數據表明基于稀疏表示與字典學習的圖像去噪算法研究,該算法將字典學習時間縮短了1/3以上;（3）針對傳統編碼方式在無線多媒體傳感器網絡中的局限性,提出了一種基于字典學習的壓縮感知視頻編解碼模型,該模型采用壓縮感知理論將計算復雜度從編碼端轉移到了解碼端,字典學習算法的加入實現了視頻重構精度的提高。理論分析和仿真實驗表明該模型是可行并且有效的。更多還原