图像融合技术是近几年的图像研究领域的热门,而红外与可见光的图像融合则更是在军事、遥感、安全和视频监控等领域得到了广泛的应用。红外传感器对热目标能很好地识别而可见光传感器能提供清晰的场景信息,通过对红外与可见光进行融合,可以同时利用目标的热量信息和场景信息,对目标进行更为精确的判断,有利于目标识别及其他后续的处理。传统的图像融合由于需要源图像的全部信息,不易存储和传输,融合效率低。压缩感知(compressive sensing,CS)能以较低采样率高效重构原信号,成为图像融合领域的研究热点。压缩感知在采样的同时对数据进行压缩,而且融合只对少量的测量值进行而不是整幅图像,可以显著降低系统的存储压力与计算复杂度。围绕压缩感知融合,本文主要做了以下工作:(1)给出了压缩感知的基础理论框架和结构,对基于压缩感知的现有融合规则进行了深入研究,并总结了常用的融合图像质量客观评价指标。(2)目前基于压缩感知融合的研究集中在DCT,小波变换,NSCT(非下采样轮廓波)稀疏变换上。而本文将非下采样剪切波变换(NSST)应用在压缩感知域,并提出新的压缩感知融合方案,仅对计算量较大的高频子带系数采用基于压缩感知的图像融合方法进行融合,即对高频子带进行星型测量,使测量值与结构信息相关联;对测量后的高频子带制定了基于空间频率加权的新融合规则。利用区域标准差与区域能量联合指导低频子带系数的融合。最后经NSST逆变换得到融合图像。实验结果表明,仅用单层NSST变换即可重建出高质量图像,融合效果好于其他几种传统的压缩感知融合算法。(3)在基于非下采样剪切波变换(NSST)压缩感知融合算法的基础上,对基于图像分块的压缩感知融合算法进行了深入研究。考虑到对图像分块采样,图像块之间缺乏整体特性的缺点,致使图像在经过重构之后会产生分块效应。在分块压缩感知融合算法中引入平滑投影(SPL)Landweber算法进行重构,有效去除了分块效应,并提高了融合速度。