یکی از کاربردهای مهم پردازش تُنُک سیگنال ها که مورد توجه زیادی قرار گرفته است‏، سنجش فشرده می باشد. سنجش فشرده‎‎‎ (که تحت عناوین حسگری فشرده‎‏، نمونه برداری فشرده‎ و یا نمونه برداری تُنُک‎ نیز شناخته می شود)‎‎ تکنیک نو ظهوری است که امکان نمونه برداری و فشرده سازی هم زمان سیگنال را در نرخی به مراتب کمتر از نرخ نمونه برداری شانون-نایکوئیست‏، با استفاده از نگاشتی خطی به یک پایه تصادفی‏، فراهم می سازد. همچنین سنجش فشرده این قابلیت را فراهم می سازد که سیگنال نمونه برداری شده‏، تحت شرایطی خاص‏ و با استفاده از معادله خطی فرومعین حاصله‏، به طور دقیق از روی تعداد بسیار کم نمونه های تصادفی‏ قابل بازیابی باشد.‎‎ در این پایان نامه‏، ابتدا مروری مختصر داریم بر تعدادی از الگوریتم های موجود برای کدینگ تُنُک‏، همراه با کلیات سنجش فشرده. سپس تبدیل چند مقیاسه جهتدار کرولت را همراه با آموزش واژه نامه و همچنین مسأله نویززدایی از تصاویر با استفاده از نمایش تُنُک‏ را مرور خواهیم کرد. در ادامه دو الگوریتم جدید برای بازیابی تصاویر سنجش فشرده شده بلوکی معرفی می کنیم؛ یکی‎‎‎‎‎‎‎ با استفاده از روش تکرارهای آستانه گذاری-‎انقباضی شتابی و دیگری با به کارگیری تبدیل کرولت. شبیه سازی ها حکایت از عملکرد بهتر الگوریتم های معرفی شده نسبت به الگوریتم های متداول دارد. در ادامه روشی نوین را برای بازیابی تصاویر ویدئویی سنجش فشرده با استفاده از آموزش واژه نامه‏، معرفی می کنیم. شبیه سازی ها روی دنباله های ویدئویی مختلف‏، برتری عملکرد کیفی روش پیشنهادی را در برابر روش های موجود نشان می دهد.