作为近年来信号处理领域新兴的理论，压缩感知理论开创了信号采样和压缩同时进行的新思路，其应用于遥感成像可以在采样数据量远低于传统手段的前提下恢复出目标图像，甚至实现少到仅用一个探测器完成成像。高光谱遥感由于具有地物属性精细光谱探测能力，在近二三十年来得到了飞速的发展。然而随着对高光谱图像空间、时间以及光谱分辨率等要求的不断提升，高光谱遥感面临着处理和传输的数据量越来越大，成像系统越来越复杂的问题。采用压缩感知理论构造的高光谱成像系统不仅能解决大数据量的压缩问题，还可以大大简化系统的构造，甚至实现超越光学衍射极限的成像。鉴于压缩感知的巨大优势和潜力，将其应用于高光谱遥感领域是目前极具潜力的研究方向，也是国内外的研究热点。　　尽管基于压缩感知的成像系统具有传统方法不可比拟的优势，但由于压缩感知理论的提出距今不过数年的时间，在遥感成像方面，还有很多问题如地物目标的稀疏化、大规模数据的高效重构算法等尚待解决，特别是对于具有极大可稀疏潜力的光谱维压缩感知研究极为欠缺。本论文正是在此基础上提出对基于压缩感知理论的高光谱遥感关联成像机理与方法研究，主要完成的工作有:　　1)在调研了国内外压缩感知理论及其在空间和光谱成像发展现状的基础上，以压缩感知的数学理论为基础构建了压缩感知高光谱成像的理论模型，并针对其中随机测量、重构算法和目标稀疏化关键要素进行了深入调研，对目前常用方法进行了实验验证和对比分析。　　2)构建了不同目标类型的空间样本库和光谱样本库并提出了基于K-SVD字典训练的空间和光谱稀疏化方法，与DCT等传统稀疏化表达方法相比，该方法在低采样率时的重构误差普遍减少了一半以上;在此基础上，给出了一种字典实时更新的策略，可以将误差再次降低约15％;最后，将光谱稀疏和空间稀疏进行了对比分析，通过仿真实验显示了光谱稀疏化表达极佳的应用潜力。　　3)分析了这种新型成像方式下影响图像质量的敏感性要素，给出了反映系统在不同采样率下综合性能的质量评价新指标，将该指标用于稀疏字典训练参数的优化中，使得优化后的字典重构精度更高。　　4)给出了一种基于光谱稀疏的压缩感知高光谱成像系统设计方案，并搭建了空间稀疏成像原理验证装置，对于透射和反射两种不同目标的重构图像进了质量评价，并提出了测量矩阵的修正策略，有效改善了重构效果。