吴 蕾，杨晓敏

（四川大学电子信息学院，成都 610065）

0 引言

遥感图像融合是一种将低分辨率多光谱（Low-resolution MultiSpectral，LMS）遥感图像和高分辨率全色（PANchromatic，PAN）遥感图像融合成高分辨率多光谱（High-resolution MultiSpectral，HMS）图像的算法。高分辨率多光谱遥感图像广泛地应用在地球观测、分类、目标检测、环境监测和光谱分解等领域［1-2］。然而由于当前硬件的局限性，遥感卫星只能分别获取地表多波段的多光谱LMS 图像和单波段的全色PAN 图像，这两种图像在信息上是互补的。为了得到HMS 图像，遥感图像的融合技术得到了研究者们的广泛关注。随着遥感图像越来越重要，遥感图像融合算法也在不断地改进，如何将多光谱图像和全色图像的互补信息尽可能多地融合到高空间分辨率多光谱图像中，是遥感图像融合中重点关注的问题。

近几十年来，遥感图像融合算法的效果一直在不断提升，传统的遥感图像融合算法大致能够分为两类：一类是基于成分替换（Component Substitution，CS）的算法；另一类是基于多分辨率分析（Multi-Resolution Analysis，MRA）的算法［3-5］。由于PAN 和LMS 图像的光谱范围不一致，即使在融合策略上进行了改进，现有的CS/MRA 算法也会表现出一定程度的光谱失真。

通过整理总结传统的遥感图像融合算法，可以发现许多提取和整合空间细节特征的过程和卷积神经网络有相似之处，并且卷积神经网络所提取到的特征比手工设计的提取规则所提取到的特征具有更强的表征能力。因此，为了克服传统算法所存在的缺点，已经有很多基于卷积神经网络（Convolutional Neural Network，CNN）的遥感图像融合算法被提出。……