从场景中提取和识别目标时，彩色图像提供的信息比单色灰度图像丰富，且更容易使人接受。但是相应的，对目标进行彩色重构需要更大的数据量。为了得到目标的彩色重构图像，一般首先需要得到目标的三幅R、G、B单色灰度图像，这就需要分别在三种单色结构光下对目标进行采样重构，耗时久且效率低。目前，一般采用压缩感知的方法对目标进行单色重构，以此减少采样次数。但是，在高分辨率图像应用中，基于压缩感知的方法需要庞大的存储容量和计算资源，并且运行时间长达几十分钟或更长。针对这些问题，本文对目标的彩色压缩采样方法展开研究，主要工作如下:　　回顾压缩感知的基本研究内容，阐述小波变换理论和小波多尺度分解。在此基础上引入扩展小波树的概念，借助兄弟系数关系和父子系数关系，简化采样过程。利用扩展小波树对目标进行单色灰度重构的流程。　　介绍彩色图像的特征和人眼的视觉特性，分析红绿蓝三通道内小波系数的相关性。借助Bayer阵列的特点对三通道中的冗余数据进行压缩，提出彩色自适应压缩采样方法。通过仿真，比较使用传统压缩感知和彩色自适应压缩采样方法后，重构彩色目标图像的效果。　　最后搭建基于LabVIEW的实验系统，使用数字微镜阵列和AVT相机模拟单像素相机。系统通过LabVIEW生成投影pattern，由数字微镜阵列对目标进行不同结构光的投影，AVT相机在板卡的触发下接收目标反射的光强信号并将其转化为数字信号。通过Matlab重构得到最终的目标彩色重构图像，以此验证彩色自适应压缩采样方法的可行性。