压缩感知理论将采样理论与压缩理论合二为一，成为最近几年来的研究热点。主要依据图像的稀疏性或是可压缩性的特点，使用K-均值奇异值分解（K-MeansSingularValueDecomposition，K-SVD）算法训练获得过完备字典，使用高斯随机矩阵作为测量矩阵，最后通过正则化自适应匹配追踪算法作为压缩感知重构算法，提出了K-SVD过完备字典的正则化自适应匹配追踪算法（KSVDRegularizedAdaptiveMatchingPursuit，KSVD-RAMP）。通过对重构图像的峰值信噪比、重构时间、相对误差等客观评价指标以及主观视觉上对所提算法以及传统的贪婪算法做对比。实验结果表明，该算法比基于离散小波稀疏表示的RAMP算法的峰值信噪比提