保 盈，王雷光，2，3，郭梦晓，代沁伶，郑 晨

1.西南林业大学 林学院，昆明650224 2.西南林业大学 大数据与人工智能研究院，昆明650224 3.西南林业大学 国家林业与草原局森林生态大数据重点实验室，昆明650224 4.西南林业大学 艺术与设计学院，昆明650224 5.河南大学 数学与统计学院，河南 开封475004

遥感影像像素级融合是利用算法将同一场景的两幅或多幅影像的互补性信息组合起来，形成一幅新影像的过程[1]，其主要目的是为了解决传感器设备获取遥感数据时，时间-空间-光谱分辨率之间的固有矛盾，获得同时具有更高时-空-谱分辨率的合成数据。像素级融合为影像地图制作、变化检测、目视解译及分类等应用提供了重要的数据资源[2]。

相关统计表明[3-4]，超过70%的光学对地观察卫星，同时负载高空间分辨率和多/高光谱分辨率传感器。因此，现有研究多围绕相同卫星平台同步获取的全色与光谱数据开展。典型数据源有QuickBird影像、Worldview-2影像以及国产高分一号、二号影像数据等。这类数据的特点是全色与多光谱波段的波谱范围重叠度高，波段间信息冗余度高，且空间分辨率相差较小，一般全色与多光谱波段的分辨率比率多为4倍。

围绕全色与多光谱影像的融合问题，现有融合方法主要有成分替代融合法（Component Substitution，CS）、多分辨率分析融合法（Multiresolution Analysis，MRA）、基于稀疏表达的方法和基于深度学习的融合方法等[5-6]。CS类方法和MRA类方法都是通过计算低分辨率全色分量与全色分量之间的差异提取出结构信息，然后通过合适的注入方案，将提取出的高空间结构信息注入到多光谱图像中。……