王虹元

(大连工业大学信息科学与工程学院，辽宁 大连 116034)

0 引言

为满足对一种场景的精确描述，一般会使用几种不同工作机理的图像传感器对场景进行成像，然后对这些成像信息进行特定算法的联合处理，即图像融合[1]。在遥感卫星图像融合方面，多光谱图像和SPOT全色图像的融合是目前研究热点，前者可以很好地保留图像的光谱信息，但空间分辨率较低，而后者则具有较好的空间分辨率特性，可弥补前者的缺点，所以将这两种图像进行融合一直是遥感图像融合领域的一个研究热点。

图像融合按照信息抽象程度可以分为像素级、特征级和决策级3个层次[2]。目前应用比较广泛的是基于像素级的融合算法，常见的有主成分分析法(PCA)[3]、分数阶样条小波(IHS)变换法[4]、小波变换法[5]及Brovey变换法[6]、离散小波变换法(DWT)[7-8]等。这几种算法在实际应用中均会存在一定的缺点，IHS变换法是最基础的算法之一，实现简单，但得到的融合图像的光谱信息损失很明显，这与融合图像应包含丰富信息的初衷相差较远。主成分分析法(PCA)可适用于遥感图像的所有波段，但在图像融合应用中，虽然可以增强图像的空间表现力，但计算量大，损失光谱分辨率较多。离散小波变换法应用于图像融合，由于对图像分解和重构的抽样处理，使得融合后的图像存在明显的方块效应，空间分辨率也较低。

近年来，图像融合的热点集中在对传统算法的改进以及将两种算法的结合上，如基于IHS变换和小波变换[8-9]的融合算法、小波变换和PCA相结合算法[10]、基于提升小波的融合方法[11-12]等，这些方法属于二维可分离小波，实现简单易操作，应用广泛。……