压缩感知(Compressed Sensing,CS)理论是信号处理领域中的一种新理论。CS理论主要包括三个方面:信号的稀疏表示,观测矩阵的设计和信号重构。其中,信号重构是CS理论的关键和核心。基于进化的压缩感知重构算法如遗传和克隆选择两阶段优化算法虽然能获得较好的重构效果,但是算法的重构时间太长,不利于实时应用。因此本文将收敛速度较快的粒子群优化算法应用到非凸压缩感知图像重构问题中,设计了几种搜索策略和相关算子,提出了几种相应的重构方法。本文的主要创新工作如下:本文在基于过完备字典和图像分块策略的非凸压缩感知框架下,利用从图像块的压缩观测中对图像块结构估计的重构模型来构造冗余子字典。针对光滑块具有大斑块的特点,取Ridgelet冗余字典中每个方向的前5个尺度的子字典作为其重构时的冗余子字典。对单方向块,将其方向和Ridgelet冗余字典中与其左右相邻的4个方向的子字典作为其重构时的冗余子字典。对多方向块,使用整个Ridgelet冗余字典作为其重构时的字典。本文提出了基于Ridgelet冗余字典和交叉的粒子群优化重构方法,设计了新的粒子群初始化优化方案,对光滑块和单方向块设计了基于分组策略的粒子群。对光滑块,种群中每组粒子代表其冗余子字典中的一个尺度,且每个粒子的方向是随机的,但保证该粒子至少包含15个方向。对单方向块,每组粒子代表其冗余子字典中的一个方向。对多方向块,每个粒子代表Ridgelet冗余字典中的两个方向,其中一个方向与该粒子编号相同,另一个方向从剩下的方向中随机选择一个。对于光滑块,考虑到尺度参数更敏感,着重搜索其尺度最优原子组合。对单方向块和多方向块,引入了交叉算子以更好地搜索原子在方向上的最优组合。仿真实验验证了所提出方法的可行性,且重构时间短。本文还提出了基于交叉和原子方向约束的粒子群优化重构方法,粒子群初始化方案和上面提出的方法相同,针对单方向和多方向块,设计了基于原子方向约束的粒子更新算子,同时搜索方向和尺度上的最优原子组合。本文与其它几种方法包括两阶段优化方法进行了对比仿真实验,实验结果表明,该算法不但可行而且有效,且重构时间大大缩短,重构视觉效果好,PSNR值和SSIM值都比其它几种方法高。最后,对实验中的一些关键参数进行了分析。