图像融合技术结合了多传感与数据融合两方面,属于多源信息融合的一个重要分支,是将不同传感器在同一场景上获得的两幅或多幅图像融合成一幅图像的过程。对于从多个传感器获取的同一场景的图像,利用图像融合技术进行信息的融合,得到一幅具有更加丰富的信息,清晰的纹理细节的融合图像,便于对场景实现更加全面和可靠的描述。目前,图像融合技术的应用非常广泛,如目标跟踪、遥感探测、特征提取、医疗成像等领域。随着传感技术的迅速发展,人们获得的图像信息越来越多,大大增加了图像融合处理的数据量。与此同时,大数据时代已经来到,常规的奈奎斯特采样已无法满足应用于实际的大量图像的融合。压缩感知(CS)理论就不会受限于奈奎斯特采样定理,可以在采样的同时对图像信号完成压缩。因此,将压缩感知技术运用到图像融合,这样能明显地降低图像信号的采样数据量,减少图像融合需要的计算成本和存储空间,提升了图像融合的效率。本文基于压缩感知的特有性质,深入探索了基于压缩感知理论的图像融合算法,主要的内容有:(1)介绍了基于压缩感知理论的图像融合算法的研究意义和发展现状,并研究和分析了图像融合的基本理论,包括相关的理论知识框架、常用的多种变换方法和不同类的评价指标。而且,深入研究了压缩感知理论最本质的三个重要步骤:信号的稀疏表示、压缩采样以及恢复重构。(2)针对图像融合过程中易受噪声干扰和现有融合算法的空间复杂度等问题,提出一种基于加权核范数最小化的图像差压缩融合算法。首先,利用小波稀疏基对源图像进行稀疏,并选择结构随机矩阵作为采样算子。对稀疏矩阵进行压缩采样以获得测量输出矩阵(MOM)。其次,利用基于信息论的图像差融合(ITID)算法得到块权重,对MOM块进行块融合。然后,对融合后的MOM块利用自适应加权核范数最小化(AWNNM)算法优化块权重,最后用正交匹配追踪法(OMP)重建得到融合图像。实验结果表明,该算法可以在不同模态的不同场景下应用,也在主观和客观评价结果上优于其他融合算法,能更好地保留源图像的边缘信息,抑制噪声干扰,不容易造成失真以及信息丢失,还降低了空间复杂度。(3)结合鲁棒主成分分析(RPCA)、压缩传感和非下采样轮廓波变换(NSCT)技术,提出了一种基于RPCA和NSCT的压缩传感图像融合算法,可以有效地解决红外和可见光融合图像对比度和清晰度降低,细节和纹理信息在融合过程中丢失的问题。对两个源图像进行预增强,并通过RPCA分别对预增强图像进行分解,以获得稀疏分量和低秩分量。压缩采样稀疏分量,通过高斯梯度-信息反差对比度(GG-DCI)压缩融合,然后通过正交匹配追踪方法重建。NSCT多尺度分解低秩分量,使用区域能量-直觉模糊集(RE-IFS)方法融合低频子带,使用最大绝对规则融合最高频率子带,其他高频子带是自适应高斯区域方差融合。最后,叠加融合的稀疏分量和低秩分量以获得融合图像。实验结果表明,该算法不仅可以有效地提高融合图像的对比度和清晰度,而且可以避免纹理的细节信息的丢失,实现更好的融合效果。