杨 栋，李彦甫，李洪伟，段 磊，刘 勇

(兰州大学资源环境学院，甘肃兰州730000)

谷歌地球(Google Earth)作为一种易学易用的地理信息应用平台已经得到广泛使用，特别是其中包含的亚米级QuickBird、WorldView-II以及航摄影像，更是一种难得的遥感数据资源。从谷歌地球可获取免费的高分辨率影像数据源，可以提供不同分辨率的影像，分辨率最高可达0.15 m。然而这些数据经过处理已经明显失去光谱和色彩信息，难以满足遥感制图需求。因此，结合中分辨率、多光谱数据与谷歌地球高分辨率影像这两方面的优势，从而产生色彩信息丰富并达到高空间分辨率的融合影像，对于满足低成本、大比例尺制图需求就具有十分重要的意义。目前的融合算法中全色和多光谱数据之间的空间分辨率差异在1∶2～1∶4。而当影像的空间分辨率差异超过一定的阈值后，融合结果会表现出明显的马赛克现象。特别是在影像的色彩和纹理变化极其复杂的区域，邻域像元间DN值对比太大，导致融合结果不理想。

对于分辨率差异较大的影像融合问题，Shevyrnogov等对NOAA AVHRR从1 000 m重采样到100 m计算NDVI，然后和MSS的第一主分量进行融合，得到了比较理想的结果［1］。Mularz等先采用滤波方法对低分辨率的Landsat TM影像进行平滑，然后与高分辨率航空像片进行融合，有效消除了分辨率差异导致的马赛克效应［2］。Erdogan等对航空像片和Landsat 7 ETM+影像融合，发现ETM+多波段影像与全色波段影像融合后再和航空像片融合时采用主成分变换的结果更好［3］。李军等提出结合小波变换和IHS变换的叠加融合法［4］。……