压缩感知理论是一种新兴的信号采样和压缩技术，是对奈奎斯特采样定理的突破，克服了采样速率受限于信号的带宽的局限性，信号的采样速率仅取决于信号自身。压缩感知理论利用信号的稀疏表示，从较少的观测值中恢复出原始信号。重构算法作为压缩感知的重要内容，研究重构算法的目的就是用最少的开销获得最好的重构质量。　　论文研究的主要工作如下:　　1.介绍贪婪算法四种重构算法，分别是:正交匹配追踪算法、正则化匹配追踪算法、压缩采样匹配追踪算法和广义正交匹配追踪算法，并对这几种典型的贪婪算法做了仿真比较，比较这几种算法在不同观测维数和不同稀疏度下的信号重构成功率，实验表明在成功重构率方面，广义正交匹配追踪算法的重构效果是最好的。　　2.由于在度量信号相似度时，内积法不能体现出放大数据重要组成成分的效果，因此，引入了Dice系数准则来衡量原子与残差信号的匹配程度，将Dice稀疏引入到广义正交匹配追踪算法，得到基于Dice系数准则的广义正交匹配追踪算法，通过重构成功率、重构误差和重构时间三个指标的仿真图来比较基于Dice系数准则的广义正交匹配追踪算法和广义正交匹配追踪算法，说明基于Dice系数准则的广义正交匹配追踪算法的可行性，对二维Cameraman图像和Lena图像使用基于Dice系数准则的广义正交匹配追踪算法和基于Dice系数准则的正则化匹配追踪算法进行重构，比较不同采样率下的重构时间、重构误差和重构图像质量，实验表明，基于Dice系数准则的广义正交匹配追踪算法和基于Dice系数准则的正则化匹配追踪算法的重构图像质量要优于广义正交匹配追踪算法和正则化匹配追踪算法。