传统的成像技术基于香农-奈奎斯特采样定理,该定理认为,采样频率至少为信号频率的两倍,才能恢复数据,但是,这种采样方式采集的数据极其庞大,对光学系统和探测器的要求极高,并且现有的数据处理器无法满足其需求发展,为了解决这一问题,压缩感知理论被提了出来,基于压缩感知的成像技术仅仅需要采集少量的数据,通过某种重构算法就能恢复大量数据。但随着成像领域对光谱分辨率要求的进一步提高,这对成像系统硬件提出了更高的要求,现有的设备器件根本无法满足。随着超分辨成像方法的孕育发展,将超分辨技术与压缩采样成像技术结合起来,可以很好地解决硬件问题,本文提出的推扫式高光谱压缩采样超分辨成像仅需采集少量的低分辨数据再通过重构算法就能得到高分辨数据。本文的主要工作包括以下几个方面:1.分析了推扫式高光谱压缩采样成像的重要元件之一—棱镜。分析了光学基底中最常见并且透射率比较高的六种材料的色散能力。在实验中,需要根据整个实验系统的设计以及探测器的尺寸选择合适材料的棱镜。现有的重构算法认为色散是均匀的,这意味着相邻波长的单色光落在探测器上的距离是均匀的,而棱镜的色散是非线性的。本文基于相邻波长经过棱镜的色散落在探测器的间距为其一个单元长度而提出了一种计算相邻波长的方法,并通过实验结果验证了该方法的可行性。2.对推扫式高光谱压缩采样超分辨成像系统进行了设计。本文提出的推扫式高光谱压缩采样超分辨成像将超分辨技术与压缩采样光谱成像技术结合起来。通过数学理论分析,模拟实现了超分辨高光谱目标图像。3.分析了不同编码矩阵对推扫式高光谱压缩采样成像重构结果的影响。本文以三种常见的编码矩阵,高斯随机编码矩阵、阿达玛编码矩阵以及谐波函数编码矩阵作为测量矩阵,分析了三种编码矩阵的重建质量。同时本文还比较了最小二乘法(LS)和两次阈值迭代算法(TwIST)重构三维数据立方体的效果。通过比较模拟结果的PSNR(峰值信噪比)和SSIM(结构相似度),得到了以高斯随机编码矩阵作为测量矩阵的重构效果最好,LS比TwIST重构的效果好。4.提出了推扫式高光谱压缩采样成像实验系统的设计以及具体的搭建过程,通过LS完成对压缩采样混叠图像的信息重构并展示重构结果。