张洪群，顾吟雪，2，郭擎

(1.中国科学院空天信息创新研究院，北京 100094；2.南京大学金陵学院 城市与土木工程院系，南京 210000)

0 引言

随着遥感技术的逐渐进步，如何提取并综合利用不同类型图像的信息已成为遥感的重要问题[1]。遥感图像融合把传感器采集到的同一地物的多光谱图像(multispectral image，MS)和全色图像(panchromatic image，PAN)经过计算机技术的处理，提取MS中的光谱信息和PAN中的空间细节信息，最后综合成同时具有高空间分辨率和高光谱分辨率的融合图像。与单一遥感图像相比，融合后的图像既可以增强图像的细节信息，又可以保持原始光谱信息，以提高图像利用率。

遥感图像融合算法主要分为两大类，一类是成分替换法(component substitution，CS)，另一类是多分辨率分析方法(multiresolution analysis，MRA)[2]，当然还有一些混合法，以及最近几年出现的稀疏表达法和变分法[3-4]。CS类融合法由于计算简单而被广泛应用，如Brovey[5]、PCA (principal component analysis)[6]、IHS (intensity-hue-saturation)[7-8]和GS (gram-schmidt)[9]，其中又以IHS算法更为突出。不过，IHS算法容易产生光谱失真，因为含有部分光谱信息的亮度分量被整个全色图像替换掉了。针对IHS算法的局限性，伍娟等[10]提出了基于IHS变换与直方图匹配的图像融合方法，实验表明，该融合方法能够保持融合前图像的光谱特征和空间特征同时存在。但是由于IHS算法是把亮度分量直接进行替换，图像中的光谱扭曲程度仍然小范围存在，因此，为了得到更好的融合图像，学者们开始把IHS算法与其他算法结合起来。其中，肖化超等[11]提出了基于IHS变换和Curvelet变换的卫星遥感图像融合方法，保留了光谱信息，能有效提高图像的空间分辨率；……