压缩感知是一种新型的信息处理方式,它充分利用信号的稀疏特性,在远低于奈奎斯特采样率的条件下随机采样获取离散样本,再通过重构算法恢复原始信号。压缩感知主要包括信号的稀疏表示、线性观测以及重构算法三个方面,其中重构算法是压缩感知的核心内容。近似消息传递算法是一种高效的重构算法,这种算法不仅计算复杂度低而且重构精度高。该文在近似消息传递算法的基础上进行了以下几方面研究:首先,对近似消息传递算法中阈值控制参数进行分析,针对控制参数在迭代过程中始终不变的问题,设计了一种参数自适应的近似消息传递算法,控制参数随着阈值函数处理前后对应元素之间的关系自适应的变化,不仅加快了收敛速度还在一定程度上提高了重构质量。其次,依据近似消息传递算法与高效去噪算法结合能够提高重构质量的特点,设计了一种基于聚类字典学习去噪的近似消息传递算法,根据图像子块特点进行聚类字典学习,学到的字典更具有自适应性,从而达到更好的去噪效果,进一步提升了整体算法的重构质量。最后,针对近似消息传递算法用于分块压缩成像时出现的块效应问题,设计了一种基于自适应采样的分块近似消息传递算法。该算法依据对图像块信息量的度量自适应分配采样率,平衡了重建后图像子块之间的差异,在一定程度上减少了块效应,提高了重构质量。