文献综述
本课题的现状及发展趋势：
军事领域中最初开始使用图像融合技术，很快便受到欧美国家的相关重视并取得了各种成果。伴随着计算机技术的快速发展和在各个领域的广泛应用，各国学者对于利用计算机进行多传感器图像融合的研究也广泛开展起来。由于压缩感知突破奈奎斯特理论的性能，就马上引起了巨大反响，并在各领域开启了ＣＳ研究热潮。
目前，各主要发达国家的相关学者和技术人员从不同层次开展了大量实验，研究图像融合的模型和方法，相关研究内容刊登在SPE（国际光学工程学会）、国际信息融合年会及IEEE等期刊和会议中。在展开相关研究工作的同时，目前市场已经出现了一些实用的图像融合处理系统和软件。如GE公司的DiscoveryLS可以自动进行三维配准及融合，常用于处理核磁共振成像术（MRI）和计算机断层扫描（CT）图像,用来诊断肿瘤等疾病；Octec公司研制的双波段热像仪等。随着图像融合技术的发展，这项技术逐渐在航空航天、气象学、军事侦察、红外遥感、医学等领域起着重要作用。
目前，压缩感知理论与应用研究正如火如茶进行,从2010年开始每年的论文发表量都在千篇以上，且逐年递增。在压缩感知的基础上，己发展了分布式 CS理论，1－BITCS理论， BeyasianCS理论，无限维CS理论，变形CSS论等，己成为信息处理学术领域的一大研究热点。压缩感知的理论研究开始７年有余，理论基础正逐步完善。在美英德法以及瑞士、以色列等许多国家的知名大学（如MTT、TUM、Stanford University、 Princton University、Rice University、Duke University、University of Edinburgh等）成立压缩感知专题组进行相关研究工作.。其中,Rice University建立了压缩感知专题网站，内容包括压缩传感理论的前沿进展，分类汇总了压缩感知方向的大部分文章， 为研究者提供了一个广阔的论文查询平台。另外，Google、Intel等世界500强企业也投入了大量资源进行CS相关的研究。 国内众多科研单位和高校也在压缩感知相关研究工作中投入大量兴趣和精力。
本课题的价值：
传统信号处理方式通常先采样原始信号然后进行压缩,根据奈奎斯特采样定理,采样率需大于等于信号带宽的２倍，那么随着信号带宽增大导致的海量信息无疑给传输和存储带来巨大压力。2006年D.Donho、E.Cands和T.Tao等人提出了一种新的信息获取方法--压缩感知（CompressiveSensing,CS）。该理论指出：只要信号具有稀疏性和可压缩性,利用测量矩阵将高维信号投影到低维空间上，可通过相应优化算法从低维投影中高概率／精确重构出原始信号。在压缩感知中，压缩比由信号在相关变换域中的稀疏度决定，而不受原始信息带宽的影响。CS的特点是在对信号采样时压缩数据。可降低大数据下的分析处理、传输、和存储压力。由于其突破奈奎斯特理论的性能，压缩感知的提出引起了巨大反响，在相关领域的研究中，如信号与图像处理、雷达图像等，开启了研究热潮。
对于图像融合，若能直接在压缩域中对少量线性测量通过某种规则进行融合，对融合后的测量值进行图像重构，将在处理过程中将大大减少对存储空间的需求，在图像融合处理中，CS的优势在于不仅能有效减少存储空间和计算成本，即可有效降低硬件要求，还不用获取被观察信号的任何先验信息。因此，近年来，随着压缩感知理论研究的进展，基于压缩感知的图像融合算法引起越来越多的关注。
参考文献：
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
