图像融合与目标识别在图像处理中是非常热门的技术，随着科技的发展，需要处理的数据越来越多，采样技术得到推广。奈奎斯特采样定理作为经典定理被广泛熟知，但是随着数据量的不断增加，奈奎斯特采样定理遇到瓶颈。压缩感知理论突破了奈奎斯特采样定理的瓶颈，针对稀疏或可压缩信号，在信号采样的同时进行压缩，使采样速率不取决于信号的带宽；并通过获取少量的线性投影来保存信号的完整信息，利用线性求解得到重构信号。根据压缩感知理论提出一种基于压缩感知的图像融合算法，通过离散余弦变换，保证图像的稀疏性，以压缩感知观测值作为图像的内容特征，利用加权系数对其进行融合，应用基追踪算法对图像进行恢复，从而得到融合图像。通过和小波融合算法进行实验比较，可以发现本文的算法在主观视觉效果和客观评价方面均有较为显著的优势。提出一种基于压缩感知的目标识别算法。通过小波变换对图像进行预处理得到样本矩阵，以压缩感知观测值为依据应用正交匹配追踪算法求取逼近系数，利用最小距离公式对测试样本实现分类判别。通过与常用识别算法的仿真实验比较，得出本文算法在时间以及识别率上都有明显的优势。