作为一项飞速发展的高新技术，卫星遥感可以根据不同地物的光谱响应特征向人们提供大量的科学数据和动态信息。然而，不同于二维图像，卫星遥感光谱图像呈现出三维特性，数据量十分庞大。同时，卫星上资源有限，星际链路时延长、误码率高。因此，如何保证卫星通信中多光谱与高光谱数据的有效与可靠传输是一个亟待解决的问题。在传统的图像处理过程中，压缩发生在数据已经被完整采集到之后，这在一定程度上浪费了大量的采样资源，不适用于资源有限的卫星环境。作为一种新兴的技术，压缩感知的出现彻底推翻了传统的压缩理论，实现了采样信号与压缩信号的同步。然而，针对海量的光谱数据，传统的压缩感知(Compressive Sensing, CS)技术要求很大的计算量以及存储空间。因此，针对压缩感知在卫星环境中的应用有待更深一步的研究。近年来，网络编码(Network Coding, NC)技术凭借其能大幅度改善网络性能而引起了学术界的广泛关注。然而，其将数据包编码传输的内在属性使得保证接收包的正确性对它来说尤为重要。但是，现有的网络编码算法很少涉及可靠性方面的研究，大都存在误差扩散问题。为了解决上述问题，本文将压缩感知与网络编码技术有效结合，提出了卫星通信中多光谱和高光谱图像的压缩与传输算法。在前端信源处，本文首先构建了基于分块压缩感知(Block Compressive Sensing, BCS)的谱间差分模型，该模型旨在最小化压缩感知采样率，可以有效节约卫星采样资源。同时，通过分析光谱图像不同频率成分的重要性，本文根据JPEG量化矩阵改善了传统的测量矩阵，该方法可以通过牺牲高频部分的重构精度提升图像的整体重构质量。其次，基于采样数据的特性，本文提出相应策略将测量数据等重打包，该策略可以有效增强网络的鲁棒性，即网络中的节点不需要关心接收到的数据包的具体编号，且只要目的端收到足够多的数据包，即可精确恢复原始图像数据。在传输过程中，本文提出了基于门限的机会式网络编码传输策略，中继节点根据该策略比较接收端信噪比与门限的大小，动态决定是否接收相应数据包，进而避免错误扩散。仿真结果表明，与传统图像处理方式相比，本文所提算法能够在较低平均采用率的情况下有效提高峰值信噪比。