无线多媒体传感网络（Wireless Multimedia Sensor Networks,WMSN）监测场景固定且信息量丰富，所采集的图像含有多种细节特征。然而，WMSN需要传输大量的图像数据，但其网络能量受限，且图像特征易受到环境噪声的侵扰；此外， WMSN图像监测中，同一类型的图像获取的信息单一，无法满足全天候高质量监测的要求。在WMSN中可以同时采集同一场景的红外图像和可见光图像，并利用图像融合技术有效地实现了两者的优势互补，这样不仅可以在一定程度上降低传输的数据量，也能实现全天候的图像监测。而传统的图像融合方法是对所有像素值或者系数进行处理，融合的数据量较大，而且它们都没有充分利用图像的结构特征和内在稀疏性，难以获得WMSN高质量的融合图像。因此，迫切需要研究适用于WMSN图像的融合方法。近年来，压缩感知相关理论受到了广大学者的关注，特别是稀疏表示方法更是被广泛用于各类图像处理中，如图像融合、去噪等。本文在研究基于DWT的图像稀疏基础上，提出了一种WMSN图像融合方法，旨在解决WMSN能量受限问题；该方法利用WMSN图像的内在稀疏性，在压缩感知技术框架下进行DWT稀疏和随机观测，并通过改进的融合规则融合少量的观测值，最后采用Cosamp算法进行图像重构。实验结果表明：在WMSN源图像质量较好的情况下，通过该方法的融合处理能在保证融合图像质量的同时，进一步减少融合的数据量。但是，当外界环境恶化时，采集的WMSN图像中含有大量的高斯白噪声，利用以上方法得到的融合图像中仍然存在大量的噪声。为了解决该问题，本文进一步提出了一种基于超完备字典稀疏的WMSN图像融合方法。该方法在DCT初始冗余字典基础上，结合K-SVD字典训练算法对WMSN图像进行有效地稀疏表示，设计了相应地融合规则，以对少量的稀疏系数进行融合处理。实验结果表明：恶劣环境下，该方法能在减少传输数据量的同时去除大量噪声，并充分保留了WMSN图像的有用信息。