为了解决太赫兹成像系统中存在的成像速度慢、硬件复杂等问题, 利用压缩感知算法实现太赫兹成像系统性能的提升。通过对比离散小波基和离散傅里叶基对重构图像的影响, 发现离散小波基作为稀疏基时, 得到图像信噪比最优。然后验证了压缩采样匹配追踪、迭代加权二范数、贪婪基追踪等重构算法在太赫兹成像领域的应用可行性, 发现当测量比例大于40%时, 才能实现图像的重构。根据峰值信噪比、均方误差、算法运行时间等参数的对比结果, 发现迭代加权二范数算法相对空间匹配追踪算法, 峰值信噪比提升度达到20%, 均方误差下降度均大于50%。同时发现, 空间匹配追踪算法和子空间追踪算法的运行时间最少, 其中空间匹配追踪算法均小于0.5 s。为压缩感知理论在太赫兹成像领域的应用提供了新思路。

基于压缩感知的图像融合属于像素级层次的图像融合。传统的DWT压缩感知图像融合研究对象是整个稀疏系数, 但小波系数中低频系数并非稀疏, 因此影响融合质量。针对此, 提出一种基于DWT-IRLS的压缩感知图像融合。首先对图像进行DWT转换, 针对高频系数采样测量; 然后对高频系数和低频系数进行融合, 并且引入迭代权重最小二乘法（IRLS）算法, 重构高频系数; 最后经DWT逆转换, 得到融合图像。实验证明: 通过4个客观评价指标和主观评价对比, 2组实验融合效果均得到提高。此方法在一定程度上可提高图像融合效果, 具有一定的实用价值。

为了求解复杂环境下目标的位姿, 提出了基于多直线对应的加权最小二乘位姿估计算法。首先对模型直线进行等间隔采样, 并沿采样点投影法线方向搜索图像点对应; 然后利用图像点对应局部和全局特性对样本点进行加权; 最后通过优化法向距离实现目标位姿的优化求解。为了解决模型-图像对应错误引起的优化失败问题, 算法在模型-图像点匹配阶段为每个采样点保留多个图像点对应, 通过随机Hough变换(RHT)算法将图像点对应约束在直线上, 并为每条模型直线保留多图像直线对应。在对样本点进行加权时, 综合考虑了样本点自身的属性和样本点同周围点的关系, 有效提高了算法对纹理, 背景, 噪声等的鲁棒性。实验结果表明: 提出的方法能够实现复杂环境下目标位姿的优化求解, 其在x方向、y方向和z方向的角度估计误差分别优于0.4, 0.3和0.1°; 在垂直光轴方向和沿光轴方向的相对位置误差则分别优于0.03%和0.1%。相比单假设方法, 提出的方法能够更有效地克服复杂背景干扰, 实现特殊视图目标位姿的稳定估计。