图像融合是指将多幅源图像通过相应的技术手段融合成一幅信息更为全面的新图像的过程。它充分利用多幅图像间信息的互补性,去除信息间的冗余,提高了图像信息的准确度和可靠性,为人们在相关领域进行图像处理、分析和诊断提供了有力的保障。在传统的图像处理领域,往往需要高分辨率的成像设备对实际场景进行拍照,进而取得海量的图像信息。特别是针对图像融合领域中卫星遥感、地理勘探等图像信号的采集,前期所获取的数据量更是庞大,有时竟达到不可忍受的程度。然而在实际应用中,由于图像之间的信息具有很大的冗余性,所以大部分的图像信息则是通过编码而被压缩丢弃了。因此从采集图像的源头上来看,成像设备所获取的很多图像信息最终并没有被充分利用,反而白白地浪费掉了。基于上述情况,压缩感知的提出为人们研究如何减少图像信息的采集,避免信息资源不必要的浪费提供了一条新的途径。该理论可以使得传感器在对图像信息采样的同时实现图像的压缩,直接获取图像的稀疏化的表示,从而避免了采集大量的无用信息,节约了传感器设备的投入,同时也减小了后续过程存储和传输巨量信息的压力。因而本文的主要工作就是将压缩感知应用到传统的图像融合中去。本文首先对压缩感知的基本理论进行了简要阐述,包括稀疏表示理论、测量矩阵的选取以及恢复算法的研究,对几种典型的恢复算法进行了二维图像的仿真对比。其次分析了传统的图像融合理论,包括图像融合的概念、层次、规则以及融合评价指标,着重对传统的融合算法进行了概述,从早期的基于空间域的融合算法,到基于塔式分解,再到基于小波变换和多尺度变换的融合算法。最后详细介绍了多尺度变换中基于非采样轮廓波变换(NSCT)的图像融合方法。结合压缩感知理论,得到了一种基于NSCT变换的压缩感知图像融合优化算法。并将本文的算法分别与传统的各类图像融合算法以及基于压缩感知理论提出的几种融合算法进行了仿真对比,在降低原有图像数据量的基础上,取得了比较好的融合效果。