空间目标具有距离远、亮度低、照度分布不均且高速运动等特点,在传统的所见即所得的成像机制下,运动模糊、离焦模糊、高斯/泊松混合噪声、动态范围低等多种因素耦合在一起对获取高质量空间目标图像会带来极大的影响。因此,如何实现空间目标的高质量高分辨率成像极具挑战性。压缩感知(Compressed Sensing,CS)有别于传统成像,不仅将信号采集过程与信号压缩过程合二为一,而且利用少量样本即可实现高分辨率重构,是一种打破Nyquist采样定理限制的先进的计算成像技术。压缩感知的简单采样特性,不仅降低了完善采样对高像素密度探测器的强烈依赖,甚至单像素探测器就能高分辨成像,而且由于采集到的是目标光场被调制后叠加在一起的亮度值,所以从理论角度分析十分适合暗弱目标探测。此外,压缩感知的重构端允许在重构算法中嵌入能够反映成像降质因素的复杂模型,因而易于实现鲁棒成像。基于压缩感知的以上优点,本文将压缩感知理论引入空间目标成像中,分别从被动2D成像与主动3D成像两个方面对压缩感知成像技术在获取主、被动高质量空间目标成像中的适用性进行探索研究。首先,本文针对2D被动成像提出了一种基于压缩感知理论的两步超分辨率重构算法,并依托模拟复杂工况下空间目标成像的退化过程对算法有效性进行了研究。在第一步重构中,基于增广拉格朗日交替方向重构算法(TVAL3)仅使用30%的样本就能够使图像峰值信噪比由10.6d B提高到31.65d B;而在第二步重构中,为了解决远距离空间目标有效像素偏少的问题,利用以压缩感知稀疏表征为基础构建的基于字典学习的单帧超分辨算法,在实现像素分辨率提升的基础上进一步将峰值信噪比提高到40.27d B。其次,压缩感知理论自提出以来,大多数都被应用于2D被动成像领域,本文在上述两步超分辨重建算法的基础上,依靠成像仿真对一种新型的压缩感知光子计数激光三维成像系统开展了研究。以单像素相机为基本构型,通过将压缩感知采样过程与基于飞行时间机理的距离信息获取相结合,提出一种压缩感知框架下的、利用编码点云数据通过两次重构分别实现强度与深度信息的获取来实现空间目标3D信息重建。紧接着,本文通过数值仿真实验证明了所提出的基于压缩感知的三维成像策略的有效性,仿真成像表明:通过两次压缩感知重构,再利用距离调制函数反演得到深度图像,仿真近距离估算距离平均误差1mm,远距离平均误差0.505m。