光谱图像空间位置的光谱维信息对于表明场景中被观测物体的组成及结构有重大意义。促使光谱成像技术在地理遥感,大气环境监测,军事目标侦察、监视,气象观测,灾害预防等领域广泛应用。然而物体的光谱信息不是固定不变,而是由于多种因素的影响在不断发生变化的,因此要获取动态变化的光谱信息,就必须快速获取光谱图像,形成光谱视频。光谱视频包含了客观世界的空间、光谱、时间多维信息,可以完成光谱图像难以胜任的任务。基于压缩感知理论,杜克大学提出了新型计算光谱成像技术,即编码孔径快照光谱成像(CASSI)。CASSI系统整个成像过程包括两个阶段,首先,通过构造合适的混叠编码模板来对光谱图像进行特定的编码观测,然后利用光谱图像的先验信息,通过优化方法完成光谱图像的高分辨重构。目前,CASSI的观测过程仍有许多缺陷,如空间维或谱间维的信息丢失、采样率过低等,对反演阶段的优化重构非常不利。在此基础上,许多学者提出了一系列的解决方案,如编码模板设计、多次曝光以及互补双通道光谱成像等,上述方案都取得了不错的效果,但仍有许多改进空间。本文将全色成像与混叠采样光谱成像相结合,提出了一种新型的基于灰度全色成像和彩色成像的混叠采样光谱视频成像系统,并建立了相应的数学模型,其全色通道不仅可以增加采样的观测量,还可将全色成像用于光谱图像(视频)的重构,为其提供空间维先验信息。通过仿真实验验证,本文提出的观测系统能采集更多的数据,同时获取光谱场景的边缘、纹理信息,能得到更精确的重构结果,边缘、纹理信息更清晰,重构图像的信噪比也明显优于其它方案。CASSI的反演重构过程同样存在很大的问题,其中最明显的是重构效率低,速度慢。针对这一问题研究者一直致力于设计时间复杂度更低的反演重构算法,但往往是以牺牲重构质量为代价。鉴于此,本文实现了一种基于GPU的混叠采样光谱视频快速重构方法,以减少光谱视频重构过程中的时间代价,提高重构效率。通过实验验证,本文实施的基于GPU的重构算法可以在保证重构质量不受影响的前提下取得很好的加速效果,重构时间大大减小,其中针对300x300的视频,加速比为50多倍;针对600x600的视频,加速比可达130倍左右;针对1200x1200的视频,加速比更是高达140多倍,距离光谱视频的实时性获取更近一步。