1、 研究背景及意义
遥感影像具有成像区域面积大（一幅图像可以包括的地表的面积可达几十*几十平方公里，甚至上百），在外太空可以不受天气影像，成像快速等特点，在工农业生产、军事侦察打击，地球资源普查等方面有着重要应用。

一般遥感卫星上具有一个全色传感器，可以对大范围的光谱进行光谱响应，形成全色图像。

全色图像是灰色图像，具有高的空间分辨率，但是因为只有一个光谱带，因此光谱分辨率较低，不能确定地物的类型，对地物类型识别极为不利。

为了弥补全色图像的不足，卫星上一般同时搭载一个多光谱传感器（常见的有红、绿、蓝、近红外、远红外光谱带等）。

由于物理器件的限制，多光谱传感器具有高的光谱分辨率，但是空间分辨率较低。

多光谱和全色图像融合就是结合全色图像具有高的空间分辨率，多光谱图像具有高的光谱分辨率的优点，合成具有全色的空间分辨率和多光谱图像的光谱分辨率的融合图像。

2、 研究现状
早期多光谱和全色图像的融合方法有比率法(brovey 方法)和成分替换法（HIS 方法、PCA 方法等），后来随着多尺度分析工具的出现，出现了多尺度图像融合(高通滤波，小波变换，contourlet 变换，NSCT 等变换的多尺度图像融合方法)，最近有基于变分方程能量函数最优解的图像融合和基于稀疏表示的图像融合以及两类方法的结合(如HIS 和多尺度分析的结合)的融合方法。

比率方法图像融合的一般化模型是：
i i P F MS S
↑= 其中Fi 融合图像的第i 带，P 是全色图像，S 是合成图像，MSi 是上采样后的第i 带多光谱图像。

其中合成图像S 是关键，早期是通过多光谱带的平均得到合成图像S ，后来通过多光谱图像的加权平均得到，现在是通过求最小化差异函数2min P S -得到。

该方法得到的
融合图像具有高的空间分辨率，但是光谱失真较严重。

成分替换图像融合的一般化模型是： ()i i i adj syn F MS g P P =+-
(Q )syn i i i P MS b =+∑
其中MS i 和F i 是第i 带多光谱图像和第i 带融合图像，g i 是第i 带的加权因子。

并且为了减小P adj 和P syn 之间的光谱差异，多光谱和全色图像之间的多次回归被应用到计算加权因子（Q i ），该加权因子被应用到计算P syn 。

其中b i 是第i 带的常量项。

注意；仅仅多光谱图像的光谱范围属于全色图像时候下面的公式才合适。

多尺度分解图像融合是对源图像进行多尺度多方向分解，得到高频系数和低频系数，对高低频系数进行融合，得到融合图像的高低频系数，然后进行逆变换得到融合图像。

包括金字塔图像融合、contourlet 变换图像融合、NSCT 图像融合、双边滤波和联合双边滤波图像融合等。