随着军事及民用系统对红外图像性能要求的日益提高,高分辨率的红外图像获取成为诸多应用系统的一个关键问题之一,高分辨率的红外传感器虽然已经取得了较好的研究进展,但仍不能满足日益增长的需求。压缩传感理论的出现为利用少数传感器获取高分辨率的图像提供了理论基础,压缩传感理论突破了香农采样定理对传感系统的限制,可以获取对象的稀疏表达,只需采集少量数据即可重构高分辨率的信号。该理论的出现为高性能、低成本传感器的设计奠定了理论基础,被认为是传感器领域的历史性突破。本文针对红外成像系统,对压缩传感理论中的信号稀疏化方法、传感矩阵设计方法及高分辨率信号的重构方法进行了研究。提出了一种自适应稀疏采样方法,用于解决稀疏度未知的目标稀疏表达(采样)问题,通过尝试不同稀疏度采样重构信号的质量对信号的稀疏表达进行评估,从中选择最优的稀疏表达。在传感矩阵的选择方面,本文通过构造一个亚高斯混合矩阵,将目标投影到一个稀疏空间内,实现信号的压缩感知,该混合矩阵可根据目标特征自动分区投影,以充分获取目标的结构特征,便于进一步构造目标识别系统等后续处理。为进行目标的高分辨率重构,本文给出了一种分块压缩传感算法,将整幅图像先分解为一系列大小相同的子块,然后设计各子块通用的压缩传感算子,以提高压缩传感速度,获取更高质量的目标信号。在几个典型红外场景上与经典的压缩传感方法进行了对比实验,仿真结果表明,本文所采用的方法能够实现对目标的稀疏采样,稀疏度得到了优化。所重构的目标图像具有高的峰值信噪比,图像质量较高。