光谱成像技术获取的数据立方体包含了空间各像元的一维光谱曲线和各波段的二维空间图像,在军事破伪、医疗安全、环境保护、农业检测等诸多领域发挥着重要作用。基于香农采样的传统光谱成像技术受限于较高的采样频率,大量数据的传输、存储与计算也对计算机的性能有着较高的要求。基于压缩感知的编码孔径光谱成像技术将数据的采样和压缩过程同步进行,有效的解决了传统采样的问题。由于该系统采集的测量值是高度压缩的,重构技术仍然是一个难题,本文对光谱成像系统中的重构技术进行深入研究,主要的工作如下。首先,针对传统的算法使用相同测量矩阵重构光谱图像效果不佳的问题,提出了一种基于信息熵分块的光谱图像重构方法。该方法以单色散型空间维编码孔径成像系统为基础构建图像块自适应编码采样数学模型,先对图像进行均匀分块处理,计算各图像块的信息熵,利用最大熵阈值分割法将图像块分为光滑块组和非光滑块组,不同组分配不同的采样值并制定测量矩阵,利用测量矩阵对各图像块的空间信息进行压缩采样。其次,为了获取物体自身更加精确的颜色信息,提出了一种基于压缩感知的光谱重构方法,该方法将压缩感知原理应用在反射光谱重构实验中。最后,针对光谱区间信息分布不均匀,导致非平滑光谱区间采样不足,平滑光谱区间采样过多的问题,提出了一种基于最大熵准则的分段压缩感知重构方法,计算不同分段区间的信息熵,当信息熵达到最大时,确定为最佳分段阈值,然后对各光谱段进行压缩感知重构。实验结果表明,分块重构的光谱图像的PSNR和SSIM都提高了1倍,图像块效应明显的减弱。压缩感知重构法与传统的多项式回归法、伪逆法相比,光谱精度提高了3-6倍。信息熵分段方法有效的解决了非平滑区间的采样数较少和平滑区间采样数较多的问题,整体光谱精度提高了2-4倍。