چکیده: ظهور پدیده تئوری سنجش فشرده یا CS به ما یک راه امید بخش برای توسعه تکنیک های فشرده سازی موثر و جدید را معرفی می کند، اگرچه توجه اصلی آن رسیدن به کاهش ابعاد نمونه برداری برای کاهش هزینه های نمونه برداری داده است. در این پایان نامه ما از یک کدگذار بر اساس CS مبتنی بر بلوک استفاده کرده ایم که تبدیل کسینوسی گسسته و تئوری سنجش فشرده را با هم ترکیب می-کند. همچنین برای بهبود تصویر بازسازی شده از ترکیب دو تکنیک بهره برده ایم. یکی از این تکنیک ها جایگشت تصادفی ضرایب یا CRP نامیده می شود و دیگری وزن دهی ماتریس اندازه گیری در CS نامیده می شود. روش CRP بطور موثر در متعادل کردن تنکی بردارهای نمونه برداری شده در حوزه DCT تصویر به کار می رود و تاثیر نمونه برداری مبتنی بر CS را بهبود می بخشد. همچنین می توان از آن برای رمزگذاری تصویر ورودی استفاده کرد. هدف از روش وزن دهی ماتریس اندازه گیری، طراحی یک ماتریس اندازه گیری وفقی است و این طراحی CS بر اساس ویژگی های توزیع انرژی در حوزه تبدیل DCT تصویر است که تاثیر خوبی در تقویت عملکرد بازسازی CS دارد. نتایج شبیه سازی نشان می دهد که روش های پیشنهادی ما در کاهش ابعاد تصویر با استفاده از CS مبتنی بر بلوک بر طبق معیارهای کمّی همانند نرخ اندازه گیری یا MR موثر است و همچنین کیفیت تصویر بازسازی شده بهبود پیدا می کند. بر خلاف روش های فشرده سازی کلاسیک همانند JPEG و JPEG2000، طرح پیشنهادی بازسازی تصویر براساس CS مبتنی بر بلوک می تواند برای کاربردهای فشرده سازی تصاویر رمزگذاری شده مفید باشد و همچنین روش پیشنهاد شده می تواند برای یک سیستم فشرده سازی تصویر مقاوم در برابر نویز، موثر باشد.