高分辨率多维信息获取技术研究是国家中长期科学和技术发展规划的任务之一。高分辨率探测成像是其中一个重要的研究和探索方向，尤其在航天遥感、医疗诊断、军事侦查等领域高分辨成像需求迫切。传统成像方法通过在传感器像元与场景之间建立一种直接的一一对应关系来获取图像，成像效果严重依赖传感器性能（像元密度，灵敏度等），且存在二维传感器阵列无法实现高分辨多维信息（空间-谱间-时间）快速获取等问题。如何利用普通探测器获得高分辨率图像是众多学者们面临的挑战。近年来蓬勃发展起来的计算成像方法，尤其是基于压缩感知理论的计算成像技术，为多维信息高分辨率成像方法带来了新的机遇，受到了国内外学者的广泛关注。本文在此研究现状和背景下，以863计划、国家自然科学基金及中央高校基本科研重点项目为研究平台，以压缩感知理论为基础，围绕编码感知高分辨率计算成像展开研究，从“编码、混叠、反演”等关键环节，对灰度图像、彩色图像、遥感光谱图像的成像方法分别进行了研究，旨在摆脱成像分辨率对高性能探测器的严重依赖。本文主要工作和创新点如下：1、针对传统成像方法分辨率严重依赖相机传感器阵列密度的问题，提出一种基于运动随机曝光的高分辨率编码感知计算成像新方法。在编码感知阶段，设计了运动随机曝光模式，用一个较低分辨相机相对场景运动，在运动的同时通过随机编码序列控制快门闪动实现高速曝光，运动结束后完成场景的编码混叠采样；在优化反演阶段，利用场景的先验知识，构建相应的稀疏重建模型，重构出高分辨率图像。数据仿真实验和半实物仿真实验结果均表明，该成像方法能够实现较低分辨率相机的高分辨率成像，有效解决了传统方法成像分辨率严重依赖相机传感器阵列密度的问题，特别适用于由于成本、功耗、体积、重量、存储与传输等限制而无法使用高性能传感器的场合，如星载对地观测遥感成像。2、针对传统Demosaicking（去马赛克）方法存在重建效果不理想、拉链虚假色现象严重等问题，作者从编码感知计算成像的角度重新审视彩色图像Demosaicking过程，提出了一种基于图像稀疏模型和自适应PCA（PrincipalComponent Analysis）的Demosaicking方法。该方法通过彩色图像成像模型和光谱特征来描述各颜色分量间稀疏性，通过自适应PCA来挖掘空间维稀疏性，并将二者结合，建立了1-范数最小优化正则模型，并设计了优化求解算法。仿真实验结果表明该方法能提高重建全彩色图像的抗噪能力，结果优于大多数现有Demosaicking算法，实际成像结果也显示出了更好的视觉效果。3、针对星载（机载）遥感推扫式光谱成像中空间分辨率和光谱分辨率受制于传感器阵列点阵密度的问题，及空间分辨率和光谱分辨率难以兼得的问题，根据编码感知计算成像框架，提出了一种基于高速快门闪动的高分辨率遥感光谱计算成像新方法。该方法在不改变相机结构和传感器密度的条件下，通过控制高速快门闪动来进行随机编码曝光，产生混叠效应，实现多个像素点与一个传感器像元对应，将丰富的场景信息压缩采样到少量的观测数据中。最后利用优化反演方法对混叠采样信号进行处理，重构出高分辨率图像。实验结果表明该方法无需提高传感器阵列密度，只需控制电子快门曝光和数据处理，就可以做到在保持较高光谱分辨率的前提下，较大提升光谱图像的空间分辨率。4、针对上述方法中由于快门闪动遮挡一部分光线，从而减少了曝光时间，导致信噪比下降及部分场景信息丢失的问题，本文设计了另一种随机编码曝光方式，提出了基于反射角高速切换的编码曝光方法。该方法采用一个高速转镜将入射光分为两路，同时进行互补随机编码曝光调制，这样场景中所有像素全部参与了混叠，保留了足够的信息。最后利用场景稀疏性构建优化反演模型，重构出高分辨率光谱图像。实验结果也表明了该方法的优越性。