自20世纪后半叶开始,遥感技术无论是在理论,还是在应用上都得到了长足的发展。干涉高光谱图像数据是由基于推扫式傅里叶变换型成像原理的大孔径干涉光谱仪通过卫星推扫产生的三维图像数据,分辨率极高,其海量的数据对数据存储与有限带宽信道上的传输造成了一定程度的困难,所以针对其数据本身特点设计出适用于干涉高光谱数据的高效传输方法势在必行。压缩感知作为一种新的理论框架,对信号的描述和处理提供了新的研究思路。与已有的采样定理不同的是,该理论使用远远小于奈奎斯特采样定律的速率对信号进行采样,然后从这些少量的观测值中高概率的重构出原始信号。这种高效的采样方式大大缩减了采样率,因此在众多研究领域都有着巨大的应用前景,对干涉高光谱图像的传输具有重要意义。干涉高光谱图像是一种三维图像,具有多维方向相关性,干涉条纹包含丰富的光谱信息,然而使用传统的正则正交匹配追踪算法重构图像时,需要计算测量矩阵与残差内积的绝对值。由于干涉高光谱图像存在位置固定幅值波动较大的干涉条纹,致使内积的计算结果方差较大,这会导致在每次迭代中按正则化标准进行二次选取时选到的原子过多,进而导致后续阶段匹配度更高的原子没有选到,造成支撑集中匹配度高的原子个数比例较低。针对以上问题,本文首先提出了基于相关阈值的正交匹配追踪算法,该算法首先采用分块处理,然后挑选出干涉条纹块。由于竖直干涉条纹具有较强的单方向特性,根据水平全变分值提取出图像中的干涉条纹,进行自适应采样。然后本文引入一个由相关阈值系数确定的阈值,采用阈值选取代替ROMP算法中的二次选取,采用相关阈值不仅可以保障每次选取原子的相关性足够高,而且每次可以适当的选取多个原子,并且保证足够的循环次数,避免了后续匹配度更高原子的遗漏。相比于传统ROMP算法,大量实验数据表明本文方法稀疏重建的精度可以得到明显的提高。上述算法采用相关阈值来进行二次选取,但是固定的相关阈值系数也限制了选择更适合各个图像的阈值,因此本文进一步提出了基于自适应阈值的正交匹配追踪算法。该算法保证了重建图像时采用的都是该图像最优的相关阈值,进一步提高了算法的稀疏重建精度。