姜晓晨，邓正栋，武国瑛，王东豪

(陆军工程大学 国防工程学院，江苏 南京 210007)

0 引言

图像数据融合是一个对多传感器的图像数据和其他信息的处理过程，重点是按照一定的规则或算法对那些在时空上冗余或互补的多元数据作运算处理，获取较单一数据更精确、丰富的信息，生成具有新的空间、波谱时间特征的合成图像。按照融合水平从低到高，图像数据融合可在像素、特征、决策层三个层次上进行[1]。目前基于像素的融合应用较为广泛，虽然涉及的数据处理量大，但它基于最原始的图像数据，能更多地保留图像信息，具有最高的精度[2]。常用的像素级图像融合算法有HIS融合法、主成分变换融合法、Brovery融合法、Gram-schidt融合法、小波变换融合法、NNDiffuse融合法等。针对这些融合算法，一些学者利用Quickbird[3]、Landsat 7 ETM+[4]、SPOT6[5]、高分一号[6]、高分二号[7]等多分辨率传感器的多光谱与全色影像融合进行了研究，取得了显著的成果，但对 Landsat 8 卫星影像开展的研究较少。

Landsat 8是由NASA发射于2013年的新型遥感卫星，集成了两个传感器，即陆地成像仪(OLI)和热红外传感器(TIRS)。OLI传感器共有9个波段，为了与Landsat 7 ETM+波段保持数据一致性，Landsat 8的几个反射波段和ETM+的反射波段是相同的或非常接近的。然而，也有若干OLI波段的宽度经过了改善，以减轻或避免在ETM+波段中出现的各种大气吸收特征的影响。例如OLI全色波段8被缩小，以提高植被和非植被区域的对比度[8]。本文以Landsat 8数据为例，采用3种不同的算法对其多光谱和全色数据进行融合研究，并从定性和定量两个方面分析比较这3种融合算法。……