图像融合技术是多传感技术与数据融合技术相结合的一门综合学科。通过图像融合技术，将成像机理不同或图像性质不同的源图像进行融合，最终得到一幅信息含量丰富、纹理细节更清晰的图像，更有助后期分析和处理。大数据时代的来到，令压缩感知理论得到了广泛研究和应用。同样，随着机器视觉迅速发展，人们需要处理的图像越来越多，对图像数据降维，成为提高处理效率的重要手段。因此，基于压缩感知的图像融合算法将会成为重要的研究方向。
　　本文根据压缩感知的优良特性，研究了基于压缩感知的图像融合算法，主要内容包括：
　　第一，研究和分析了图像融合的基本理论，包括理论框架、常用的变换方式以及评价指标，总结了各指标的应用基础。同时，分析和研究了压缩感知理论基础及其三个重要环节：信号稀疏性、压缩传感和重构。
　　第二，根据非下采样轮廓波变换(NSCT)的特点，形成了以NSCT为基础的压缩感知图像融合算法。对NSCT变换后的高频系数进行CS变换，根据高低频系数的不同特点，分别运用不同的准则进行融合。其中，对高频观测系数采取脉冲耦合神经网络的方法进行融合，低频系数使用均值融合准则。对比该方法和其它方法的融合结果可知，该方法无论在主观视觉上还是在客观评价指标上都得到了很好的效果。
　　第三，研究了基于图像分类的融合算法。该方法分析了图像融合的应用场景，即常见的融合方法作为检测和跟踪的基础，需先对图像进行融合再对图像进行分类检测。为了提高分类检测的准确性，该方法在图像融合前，先对其进行分类，将其分为目标和背景两部分，针对这两部分选取不同的融合准则进行融合。其中，在分类过程中，为了提高分类效率，选取了CS与K-Means相结合的方法进行分类。对比该方法与其它方法的实验结果可知，该方法得到的融合图像效果更佳，更有助于图像检测的进行。