吴 佼 华，杨 学 志，方 帅，董 张 玉，4

(1.合肥工业大学计算机与信息学院，安徽 合肥 230009；2.工业安全与应急技术安徽省重点实验室，安徽 合肥 230009；3.合肥工业大学软件学院，安徽 合肥 230009；4.智能互联系统安徽省实验室，安徽 合肥 230009)

0 引言

合成孔径雷达(Synthetic Aperture Radar，SAR)具有全天时、全天候、穿透力强等特点[1]，其获取的高空间分辨率SAR图像中地物目标的反射特性受微波频率、反射角和极化方式影响，导致相同物体表现形式不同[2]，不利于图像的解译；而多光谱(Multi-Spectral，MS)图像则可以反映地物目标的轮廓和光谱信息，但MS卫星传感器完全依赖于发光源，不能在夜间成像且易受恶劣天气影响，导致MS图像部分明显目标信息丢失。因此，对SAR和MS图像进行融合，能充分利用两者的互补信息，在保持光谱信息的基础上，增强MS图像的空间细节信息和目标的特征信息，融合图像可更好地用于灾害监测、地物分类、目标识别等后续任务。

传统的SAR和MS图像融合算法可分为3类：1)成分替换(Component Substitution，CS)法，主要有主成分分析(PCA)、IHS变换和Brovey等；该类算法实现简单，融合结果中SAR图像细节信息明显，但由于SAR图像与MS图像谱段范围存在较大差异，简单地将SAR图像替换为MS图像的主成分分量，融合结果会产生严重的光谱失真。2)多尺度分析(Multi-Resolution Analysis，MRA)法，包括小波(wavelet)法、金字塔变换、非下采样轮廓波变换(NSCT)、非下采样剪切波变换(NSST)等。例如：宋建社等[3]应用小波变换法融合SAR和MS图像，融合后图像的光谱得到改善，但存在伪影和边缘锯齿；苏志渊等[4]充分利用NSCT的平移不变性、多尺度性、多方向性和较强的轮廓信息表达能力，提出基于NSCT的SAR和MS图像融合算法,明显提高了融合效果。……