随着科学技术的不断发展，在生活和军事中运用科技越来越多。图像融合也在生活和军事中得以运用。图像融合是把多个不同传感器得到的图像经过处理，使得图像内容更加清晰和便于识别目标。高效的图像融合算法可以提高图像信息中的透明度、目标精确度、可靠性以及图像的利用率，其结果可以对目标进行准确和完整的描述。其在很多方面如医学、天文、数学、计算机视觉、夜视技术和军事目标识别得到广泛认可，特别是在红外图像与可见光图像融合的目标识别中。本文介绍了图像融合的研究意义和现状，并引入压缩感知概念。压缩感知运用于图像融合将是一个有实际意义的课题。针对图像小波系数的相关性，提出了基于小波域隐马尔科夫树模型的压缩感知图像融合。而其训练的时间很长，基于多元追踪算法的恢复算法被提出来，应用于图像融合中。论文的主要工作有：(1)提出基于小波域隐马尔科夫树模型的压缩感知图像融合(HMT-3S)。该算法针对小波系数的相关性给出了隐马尔科夫树(HMT)建模的思想，而子带间具有一定的相关性，连接三个子带并提出了基于HMT-3S模型的压缩感知图像融合。先对待融合的两个图像进行稀疏变换，本文选取小波变换基为稀疏基。用高斯矩阵来对稀疏后的信号进行投影，采用标准偏差方法对投影结果(观测值)进行融合。其次用最小l1范数方法恢复出一列信号，并对这列信号进行参数训练。最后进行加权l1范数重构和小波反变换，得到融合结果。在仿真时，对比HMT模型，并比较性能。(2)提出基于多变量模型的压缩感知融合。由于多变量追踪算法(MPA)具有很快的收敛速率，基于MPA多变量模型的压缩感知融合算法可大大提高重构速度，并且获得精确的重构图像。MPA是由贝叶斯追踪算法(BPA)单变量模型演变而来的。先用小波变换基和高斯矩阵对待融合的两个图像进行稀疏变换和随机投影，并用标准偏差方法进行融合。根据多变量K分布、标准多变量反高斯分布和多变量T分布的参数设计进行MPA重构。最后进行小波反变换得到融合结果。在仿真结果中对MPA和HMT-3S恢复的图像进行对比。