传统的奈奎斯特定理规定,采样频率必须达到信号带宽的两倍以上才能对原始信号进行精确的重构。然而,随着信息的爆炸式发展,如果按照传统的采样理论对图像和视频等信息进行采集,就会导致海量数据的问题,不但会大大的增加硬件成本和软件开销,而且对信号的获取效率很低。综上所述,传统的奈奎斯特采样方法对大数据量的图像处理显得越来越力不从心。为了突破这种限制,近几年由Candes和Donoho等人提出了一种全新的采样理论—压缩感知(Compressed Sensing,CS),给信息处理领域注入了新的活力,提供了更为广阔的研究方向。CS采样有着多种优点:首先,它极大的降低了信号在处理时的数据量;其次,也是最重要的一点是它能够以远低于奈奎斯特定理所需要的采样数,就能实现对原始信号的精确恢复和重构。基于该理论,本文研究了压缩感知技术在遥感图像处理领域的应用:(1)针对图像融合过程中亟需解决的海量数据问题,本文提出了一种基于小波稀疏基的压缩感知域内遥感图像的融合方法。该算法的第一步是先将多光谱图像进行IHS变换得到其I、H、S分量,然后用I分量与全色图像进行直方图匹配,再将I分量和匹配后的全色图像在CS域内进行加权融合,最后重构得到新的I分量,并进行IHS逆变换得到融合后的图像。实验证明,该算法能够得到质量不错的融合图像,更为重要的是由于是在CS域内进行的图像融合,这样就大大的降低了图像的数据处理量。(2)本文还提出了一种基于压缩感知的自适应全变分遥感图像去噪算法,该去噪算法根据图像区域的不同特征选择不同的全局变量因子,使得对不同区域的去噪具有针对性。实验证明,该算法不但能够对遥感图像噪声进行有效的去除,而且还能很好的保护图像的边缘信息,还能大幅降低所需处理的数据量。