在智能化日益重要的现代制造业中，传统的以二维视觉图像为基础的光谱成像仪在多维信息的感知获取能力上已凸显不足。本文研究了一种快照式的用于探测三维场景的新型光谱成像仪，通过一次测量就可以同时获得三维空间中物体的距离信息和空间中每一物点的光谱信息，满足了智能制造中信息向多维度发展的应用需求，为医学定位诊断、数字空间遥感，以及智慧农业等领域的研究提供了新的成像手段。本文结合压缩光谱成像和集成成像技术，研究了近场目标的光谱获取、精确识别和空间定位等关键技术，解决了在单个传感器上同时获取四维信息（三维空间信息和一维光谱信息）的难题，实现了多维信息的快速获取和智能分析。　　首先在目标光谱获取问题上，为克服传统光谱成像仪获取数据量大且耗时的问题，引入了压缩感知理论，采用压缩光谱成像技术，实现对探测场景光谱信息的快速获取。基于压缩光谱成像系统的离散数学传递模型，设计和搭建了透射式和反射式两种编码孔径压缩光谱成像系统，均能实现单帧获取光谱数据立方体。分析了影响系统成像质量的像素匹配和空间分辨率低等问题，并提出在光谱获取时间足够的静态场景下使用优化的多帧联合编码模式，能有效减少数据的冗余性，提高还原图像的空间分辨率，优化后还原图像的信噪比提高了2.5dB。　　其次，在噪声和复杂的应用环境中，利用获取的光谱数据对所需探测的目标进行精确识别。本文基于稀疏表示研究了一种光谱目标识别算法，采用多阈值判断机制能够在背景复杂且受噪声干扰的情况下仍能有效地识别出目标，在算法探测性能评估曲线上表现出较高的探测率和稳健性。还提出一种基于混合像元分解技术的光谱图像恢复算法，解决了在环境天气干扰下目标光谱获取困难的问题。与基于单波段或全色图像的恢复方法相比，该方法通过线性光谱混合模型能更加准确地去除雾的影响，提升目标的识别度。此外，为精确获取样本训练中的目标端元，采用了一种新的基于多轴光谱角统计方法和基于随机投影的数据降维方法，在速度上也明显优于传统方法。　　然后针对近场探测中的目标，利用集成成像技术进行空间定位研究。为了在压缩光谱成像系统中能同时采集场景的空间信息，分析了微透镜阵列成像模式下的数学模型，提出并构建了三维物空间到二维子图像阵列的位移变换矩阵。通过光线可逆原则，采用压缩感知算法可重建出三维空间中目标的距离信息。该空间定位方法使探测系统无需借助空间扫描装置，通过一次曝光时间就能够获取空间场景的多个视场角信息。重构方法减弱了传统重构图像中的网格状噪声，增强了还原深度图像中不同目标之间的对比度。　　最后，综合以上关键技术，构造了三维空间结构的光谱采集模型，建立起空间和光谱信息融合的多维一体化系统传感函数，并通过压缩感知还原算法求解出含有空间深度信息和光谱信息的四维数据。搭建了基于微透镜阵列的编码孔径快照光谱成像仪，通过数值仿真验证了系统的可行性，实验中只需在二维探测器上采集一帧图像就能重构出目标的光谱信息和空间信息，有效解决了目标识别和定位问题。该系统具有成像速度快、无扫描器件、压缩率高、信噪比大等特点，不仅能对静态场景成像，也能对动态场景以正常的视频速度成像，深度方向分辨率为2mm，光谱分辨率达10nm。后续通过多帧联合编码或彩色编码孔径，能进一步提高系统的成像效果。