遥感光谱数据对场景中的地物识别,具有巨大的优势,在遥感地质勘测、森林监护、农业应用、海洋研究等领域得到广泛的关注和研究。光谱分辨率是评价该设备性能的重要参数之一。更高的分辨率意味着更多的细节。但通过提高传感器密度来提高分辨率,受限于体积、质量、功耗、传输带宽等条件。如何突破这些限制,满足应用领域里的这些需求,成为一个挑战。近年来兴起的计算光谱成像方法,综合考虑成像方式、分光方式、光电联合等技术,将光学系统中的元件当作计算元件,在成像的过程中完成成像面传感器阵列与光谱数据的特定对应关系,再利用优化算法,最终获得满足要求的光谱数据。这为设计光谱成像仪提供了一个崭新的思路。本文以压缩感知(compressive sensing, CS)为基础,围绕推扫式光谱成像仪的信号采样问题,提出了压缩编码的计算光谱成像方法。计算光谱成像方法将成像过程分成两个步骤：编码感知场景、重构光谱数据；这两个步骤与CS的压缩观测、优化重构互相对应。借助于CS在观测矩阵、稀疏表示、重构算法等方面丰富的研究结果,本文从编码感知场景入手,完成了压缩编码的计算光谱成像方法设计,围绕在成像过程中完成“压缩编码”,设计了相应的计算光谱成像方法,主要工作和创新点如下：1.提出了一种多狭缝光谱成像方法。高质量、高分辨率遥感光谱数据的获取受限于成像系统的光通量。针对传统推扫式的光谱仪增加狭缝的光通量以提高信噪比会降低空间分辨率这个问题,从信号处理角度为推扫式光谱成像系统建模,引入CS,使得系统可以通过增加狭缝数目的方式来增加光通量,进而提高成像系统的信噪比。从理论上,该方法增加了光通量而没有降低空间分辨率。在仿真实验中,光通量增大128倍,用25%的曝光频率,就可以很好地获得512×512的光谱图像。该光谱成像方法,在保证光谱数据质量(高分辨率)的情况下,有效地降低了曝光次数、数据的存储传输量。2.提出了一种基于编码分光的高分辨率光谱成像方法。由于在推扫式光谱成像系统中,入射光的能量是恒定的,所以提高图像的空间分辨率和光谱分辨率往往以牺牲另外一方为代价。针对该问题,提出了一种通过提高样本中所包含场景信息量的成像方法,实现由低分辨率传感器阵列获得高光谱分辨率数据。在压缩观测阶段,该方法分别利用旋转棱镜编码随机曝光、基于光栅的编码分光两种方式,以较低分辨率的传感器阵列获得压缩观测数据,然后对压缩观测数据进行优化重构,从而获得高光谱分辨率数据。仿真结果表明,该方法能够有效地获得高光谱分辨率数据。3.提出了一种观测数目可变的压缩光谱成像方法。CS突破奈奎斯特定理的限制,能以更少的样本获得目标的信息。本研究提出的方案是将“更少的样本”实现为成像面上更少的传感器,以适用于传感器器阵列密度受限于电池,容量,传输带宽和成本等情况。所提出的方案是基于编码分光,通过重新设计它的观测矩阵,从而成像面上所需的传感器数目比原有的编码分光更少。此外,当对场景的先验知识增多时,可以相应地减少样本.该观测方法还允许用户可以在图像质量和传输时间之间权衡,以确定合适的样本数目进行下传,以节省传输带宽。我们设计了相应的仿真实验,实验结果证明了上述结论。