随着信息科学技术的不断发展，人们对图像融合的效果要求也越来越高。而图像融合的算法研究一直是图像处理的研究热点之一。融合后的图像质量及效果的提升将有利于对图像进行更加深入的研究、理解及应用。目前，图像融合在卫星遥感图像处理、计算机视觉、视频处理、医学图像处理以及军事领域等都有着广泛的运用。压缩感知理论突破了奈奎斯特采样定理的约束，在信号可压缩或具有稀疏性时，在远低于奈奎斯特采样频率的情况下，通过随机提取相对较少的信号测量值就可以实现原始信号的精确或近似重构。本文首先对研究背景及意义进行了阐述，然后对国内外关于图像融合技术及压缩感知理论的研究现状进行了描述。之后介绍了图像融合技术的理论架构，包括图像融合的层次分类及其对应的优缺点、图像融合的过程、应遵循的准则、常用的图像融合算法以及对融合图像的主客观评价指标。基于传统的图像融合技术，在分析了传统信号采样压缩过程中遇到的问题后引入压缩感知理论，对该理论进行简要介绍。对其理论框架进行描述、分析及总结，包括稀疏基的选取、信号稀疏化、测量矩阵的设计以及信号的重构。本文在压缩感知理论的基础上提出了一种改进的基于区域梯度及区域能量的图像融合方法。该方法首先构造正交小波变换矩阵，并使用小波变换使图像稀疏化，然后采用哈达玛矩阵作为测量矩阵对稀疏信号进行测量得到测量值，分别计算测量值对应的梯度值及能量值，依据绝对值取大法及加权平均法对测量值进行融合，最后对融合后的测量值进行图像重构。实验结果表明，在不同的采样率下，该方法均比单独使用区域梯度法或区域能量法具有更好的图像融合效果。