李 涛，王红军，李 甲，杜 阳

(1.河南科技学院新科学院 电气工程系，河南 新乡453003；2.北京大恒图像视觉有限公司，北京 100193)

近年来，新型卫星遥感多光谱图像的波段在不断增加，图像的分辨率也在快速提高。以WorldView-2(WV-2)卫星为例，它能够提供8波段1.84 m分辨率的多光谱图像和单波段0.46 m分辨率的全色图像。与传统卫星图像相比，WV-2卫星具有以下特点：波段增加，光谱划分更细；全色图像的光谱覆盖范围变窄，使之与多光谱波段的光谱匹配发生较大变化。在遥感应用上，往往需要同时具有高空间和高光谱分辨率的图像。图像融合技术就是利用高空间分辨率的全色图像去提高多光谱图像的空间分辨率，同时尽量保持多光谱图像的光谱特性不变。WV-2卫星图像代表了超高分辨率遥感图像的发展趋势，同时也对遥感图像的融合提出了更高的要求。

WV-2卫星的光谱波段分布情况见表1。由表1可以看出多光谱与全色图像的波谱覆盖范围，多光谱的8个波段中有3个波段没有被全色波段覆盖，多光谱与全色光谱响应也不一致，正是这些特性导致融合结果变差。

表1 WorldView-2卫星光谱波段分布Tab.1 Spectral band distribution of WorldView-2 satellite nm

Pan-sharpening算法是图像融合算法的主要分支，也是遥感图像融合的一种重要方法[1]。在几十年的发展中，Pan-sharpening技术在不断改进，例如给予多分辨分析[2]的算法。随着深度学习的应用和发展，深度学习也被运用到图像融合中，例如Huang等[3]提出了深度神经网络(deep neural network,DNN)算法，但该方法偏离了Pan-sharpening算法的原理。随后，Masi等[4]提出了基于卷积神经网络的Pan-sharpening算法，符合Pan-sharpening算法原理，但该算法网络结构过于简单，提取特征不够深入。……