由于信号的稀疏表示能够有效捕捉信号最本质的特征,稀疏性在现代信号处理领域发挥着至关重要的作用,如在信号的采集、特征提取、压缩、编码、传输、存储等信号处理领域有着广泛的应用。对于数据量更为庞大的彩色图像(甚至光谱图像),为了尽可能降低图像采集、传输和存储的压力,如何分析、获取和利用稀疏特性显得更加重要,也是目前国内外的一个研究热点问题。本文正是基于此背景,针对彩色图像及光谱图像的稀疏特性分析方法展开研究,从光谱维和空间维两个角度,将图像的局部特性与全局特性相结合,利用基本成像原理和局部自适应PCA方法,对彩色图像的稀疏特性进行综合分析。在压缩感知理论的基础上,将图像稀疏特性分析应用在彩色图像Demosaicking中,针对目前去马赛克方法普遍存在的边缘模糊和拉链效应问题,设计了六边形网格的彩色滤波阵列(CFA),建立基于压缩感知理论的Demosaicking模型,并采用正交匹配基追踪方法重构全彩色图像。实验结果表明,该方法可以有效改善重构图像质量,较好地克服了边缘模糊和拉链现象。此外,本文还针对现有近地天体光谱成像方法中观测数据量过大、不易存储和传输等问题,将稀疏特性分析应用在光谱成像中,基于新的压缩光谱成像技术,采用基于编码模板的双通道光谱成像框架,充分利用天体光谱图像本身良好的空间维稀疏特性,建立空间稀疏优化重建模型,使用双阶段迭代萎缩算法,重构出了高质量光谱图像,并有效地降低了成像过程中的观测数据量。总之,本文针对彩色图像进行了稀疏特性分析,建立了稀疏模型,并针对典型应用开展了有益的研究,实验结果表明本文提出的方法对彩色(光谱)图像处理具有一定的理论意义和应用价值。