合成孔径雷达(Synthetic Aperture Radar，SAR)成像制导具有全天时全天候的探测能力，能提供高分辨率SAR图像，红外成像制导捕获目标自身红外辐射，具有识别目标高温伪装的能力。开展SAR/红外图像融合技术研究，对于提高复杂作战环境下的目标探测及精确制导能力具有重要的理论和现实意义。本文在压缩感知理论框架下，结合图像稀疏表示问题，针对SAR/红外图像融合及目标检测技术展开研究，主要完成如下工作：研究了稀疏求解算法。改进了梯度追踪的搜索步长，保留收敛速度的同时增强了算法的鲁棒性。针对其他融合算法需要预估图像稀疏度的问题，对SAR/红外图像压缩采样后的观测值提出了一种基于标准差自适应融合策略的算法，并利用所提出的改进步长梯度追踪重构得到融合图像。实验结果表明，该融合算法无需输入图像先验信息，在时间复杂度和融合图像质量上均能取得较好表现。研究了字典构造问题。针对固定字典无法根据输入信号特征调整原子特性的问题，设计了基于多源图像样本学习的过完备字典构建方法，利用SAR/红外图像自身稀疏结构信息构造学习字典。对求解得到的稀疏系数提出一种基于能量自适应融合策略的算法，最终重构得到融合图像。实验结果表明，与其他基于压缩感知框架的融合方法相比，该算法能使输入图像实现更为稀疏的表示，具有一定实用价值。研究了压缩感知在目标检测中的应用。针对现有检测算法受背景杂波影响大的问题，分别设计了基于稀疏点散射模型的SAR图像目标检测算法，以及基于红外目标过完备字典的红外图像目标检测算法。为改善现有算法在二值判决中丢失目标有效信息的问题，引入模糊理论，通过定义联合隶属度函数，提出了一种SAR/红外图像软决策级融合的目标检测算法。实验结果表明，该检测算法能有效提取目标信息，降低背景杂波的影响，一定程度上提高了检测的准确率。