王 瀛 余岚旭 王春喜 左 方 王泽浩

（1.河南大学智能网络系统研究所 开封 475001）（2.河南大学河南省现代网络技术实验教学示范中心 开封 475001）（3.河南大学河南省高等学校学科创新引智基地-河南大学软件工程智能信息处理创新引智基地 开封 475001）（4.河南大学研究生院 开封 475001）（5.河南大学河南省智能网络理论与关键技术国际联合实验室 开封 475001）

1 引言

现在越来越多不同功能的传感器不断涌现，使得人们获取不同地区遥感数据信息变得更丰富［1］。人们获取大量的地面观测数据，比如高光谱图像，多光谱图像，全色图像等，从这些多样化的遥感数据获得更丰富的信息［2］。在如此大的数据中，遥感图像融合成为快速高效地从海量数据中得到符合实际需求的有效手段。图像融合就是根据一定的空间转换、图像分解或者模型优化等方法，将两幅或者多幅图像的优点结合到一起，组合形成一幅新图像。

常用的遥感图像融合的算法有基于IHS（Intensity Hue Saturation）变换的融合方法［3］、基于主成分分析（Principal Component Analysis）变换的融合方法［4］、Brovey变化融合方法［5］以及Gram-Schmidt光谱锐化方法［6］、基于小波变换的融合算法［7］等。其中基于深度学习的融合方法近年来发展迅速，该类融合方法与传统的融合方法不同，其采用某种学习机制学习得到融合影像与原有图像的关系。PCA和IHS融合算法均是对图像矩阵进行操作，将其转换成不同的分量，通过对其中的一些分量进行转换，实现图像信息的融合。PCA变换的融合方法在多光谱图像波段数较多时有着较大的处理优势，在其处理过程中得到的第一主成分分量是包含了多光谱图像各个波段中大量的有效信息，与PAN图像中的细节信息存有差异。……