微弱目标成像探测作为图像处理和计算机视觉的重点内容一直都受到研究学者们的广泛关注,在军事和安防等领域都具有广泛而重要的应用前景。硅基光电倍增管（silicon photomultiplier,简称SPM）是一种近年来被广泛应用的探测元件,具有探测精度高、体积小等优势,非常适合针对微弱信号的精确探测和系统集成。然而由于SPM的制作工艺复杂,往往成像单元数少,分辨率低,所以本文将其与基于压缩感知的图像重建技术结合起来,完成对微弱信号的高分辨率成像。压缩感知图像重建的过程是先由投影矩阵获得图像的低维测量值,然后将稀疏性作为先验条件,利用贪婪迭代等方式对原信息进行恢复。压缩感知理论的突出贡献是采样时可以突破Nyquist采样定理的限制,直接得到压缩后的数据,并对其精确恢复。根据其思想,可将压缩感知分为三个部分:图像稀疏表示,非相关投影,图像重建。本文根据前人的理论成果,对小波稀疏算法和投影矩阵进行了改进优化,使其更适用于高分辨率的成像系统,主要工作有:1)通过仿真实验证明对于同一类别的图像在小波域的表示具有一定相似的属性,对其小波域表示进行KSVD字典训练生成的字典具有极高相似性,因此结合灰色关联度理论提出了一种WT＿GR＿KSVD的图像稀疏表示方法,对分到同一类别的图像使用迭代优化的字典进行稀疏表示,提高了图像重构的精度,并使重构时间大为降低。2)基于对角矩阵和字典学习提出了两种约束矩阵的设计方案,对离散小波基进行进一步优化,使图像表示更加集中,同时提升了算法对于广大图像的适用性,并使其更有利于硬件实现。3)构造感知矩阵的Gram矩阵,用一个连续可导的阈值函数同时收缩其最大值相关系数和平均相关系数,再由优化的Gram矩阵用梯度下降法反解投影矩阵。该算法能够降低感知矩阵的条件数,使其更好地满足约束等距（RIP）特性,同时提升图像的重建精度。最后,本文将对算法的改进应用到了SPM高分辨率重建系统当中,初步完成了室外场景的单像素成像工作,为针对极远极暗目标的光子级探测的进一步研制打下了基础。