关联成像探测体制基于光场的二阶甚至更高阶关联,利用两个或更多的探测器对光场进行符合测量来获得目标信息。利用关联成像体制的成像系统能够突破衍射极限的限制实现高分辨率成像,受云、雾等环境因素影响更小,在民用和军用领域都有良好的应用发展前景。然而传统关联计算成像算法要求目标的海量探测,造成系统成像速度缓慢,数据的传输和存储成本巨大,限制了关联成像的研究发展。本文通过对关联成像的理论和实验研究进行综述分析,发现目前国内外针对关联成像的研究主要围绕三个方面展开:关联成像体制的理论模型研究、基于关联成像理论的实验系统研究和关联成像的算法研究。其中,关联成像的算法研究具有十分重要的意义,通过利用性能更好的成像算法处理关联成像的实验数据,可以解决其成像耗时过长,处理信息量过大的问题,从而促进关联成像的实验研究和应用发展。有鉴于此,本文提出利用基于压缩传感的关联成像算法进行数据处理,以减少探测次数,节约数据存储空间。首先从图像的稀疏表征、随机测量矩阵和图像重建方程三个方面介绍了压缩传感理论,重点研究了其核心内容——图像重建方程的求解算法,对三种算法进行编程实现,通过仿真分析确定了适用于本文仿真和实验的算法。在对基于压缩传感的关联成像算法的深入研究中发现,该算法中的投影矩阵并非任意选择而是由实际探测数据构成,且具有实际物理意义,并会受到系统参数和背景噪声的影响,从而影响图像质量。基于这一理论,本文提出了一种改进方案,通过对测量矩阵进行简单有效的预处理,削弱了测量矩阵各行和各列中元素间的关系,从而减少了系统参数和背景噪声的影响,以有效地改善图像质量,并进一步的减少成像所需探测次数。本文对改进算法进行了仿真分析并将其应用于实际关联成像德实验数据处理中。仿真和实验结果均表明,利用改进算法处理数据成像,不仅能够获得质量更好轮廓更清晰的目标图像,而且能在更低采样率的情况下即获得目标的图像,从而在更大程度上减少成像时间,节约数据存储成本,降低数据处理量。