深空通信中图像压缩和采样遵循着传统的Shannon-Nyquist采样定理，图像的存储和传输占用大量整个系统有限缓存及带宽资源，造成资源和功率巨大的浪费。压缩感知(Compressed Sensing，CS)是一种新型的信号采样压缩技术，打破了采样速率不小于信号带宽的2倍的限制，在采样的同时完成压缩，具有工作效率高、鲁棒性强、占用内存空间小和编解码速率快等特点。因此，论文将基于CS的图像压缩和重构方法引入到深空通信，提高探测器处理图像信息量的能力和地面接收图像的质量。但是，深空通信有着自己显著的特点，信号延时大、图像质量要求高、功率受限等，针对这些问题论文的研究内容如下。　　 论文介绍了深空通信特点与CS压缩和重构的基本原理，分析了目前深空图像压缩方法存在的不足，讨论了CS相对于传统方法的优越性。以CS基本原理为基础，研究基于CS在深空通信中的遇到的问题。　　 针对传统深空通信图像采样压缩方式复杂、探测器功率消耗大、寄存器使用频繁、频带资源过度浪费等问题，论文采用CS对深空图像进行压缩，分析小波统计特性和CS中的约束条件，设计合理的压缩方式较好地完成深空图像的压缩。通过理论分析随机矩阵、确定性矩阵和结构随机矩阵特点，比较这些观测矩阵对图像观测的效果，构造部分hadmard矩阵用于对深空图像的观测。仿真实验表明，与传统的经典图像压缩方法相比，论文提出的压缩方法在图像重构效果上分别有5～8dB和1.1dB提升，能够满足深空通信的要求。　　 针对深空通信对图像的重构质量、算法鲁棒性及重构时间的要求，论文提出用光滑连续函数代替原有范式的图像重构方法。该方法在构建函数模型时考虑算法容错性问题，消除噪声影响;用牛顿法进行方向搜索消除“锯齿”现象，避免函数落入局部极大值;用阻尼法寻找步长作为应有的理论值代替原有的无理论值现象。在仿真实验中，与原有CS方法和CCSDS算法在图像的重构质量、算法的鲁棒性及重构时间上进行对比，结果表明论文提出的方法可以有效改善压缩与重构性能，较适合深空通信对图像的压缩和重构。