遥感图像融合通过将多幅遥感图像进行互补整合,得到一幅图像信息更丰富、更精确的融合图像,使得图像特征比较全面,对数据的利用率也比较高,具有研究意义。本文主要研究遥感图像中的多光谱(Multispectral,MS)图像和全色(Panchromatic,PAN)图像的融合,通过将MS图像与PAN图像进行融合,在保留MS图像光谱信息的前提下,提高图像的空间分辨率,可以充分利用遥感图像的光谱信息与空间信息以及各种传感器的优势。论文对MS图像与PAN图像融合方法进行了深入研究,针对传统融合方法中MS图像采用插值法得到的匹配图像分辨率较低这一缺陷,引入超分辨重建的方法提高MS图像的分辨率,并将重建的MS图像与PAN图像使用两种方法进行融合,分别是能提取不同尺度上信息的拉普拉斯金字塔,和能保持图像边缘平滑的导向滤波器方法。论文主要的工作为:1、对传统融合方法进行讨论,对比了基于Intensity Hue Saturation(IHS)变换的融合方法、基于主成分分析(Principal Component Analysis,PCA)的融合方法、基于Gram Schmidt(GS)融合方法、基于Brovey变换的融合方法等4种融合方法。针对图像超分辨重建的方法,基于MS图像,对插值、超分辨卷积神经网络(Super-Resolution with Convolutional Neural Network,SRCNN)、快速超分辨卷积神经网络(Fast Super-resolution with Convolutional Neural Network,FSRCNN)等3种重建方法,进行了实验验证与分析。2、研究了拉普拉斯金字塔融合与导向滤波器融合的两种融合方法。在基于超分辨重建的多光谱图像及拉普拉斯金字塔融合中,对PAN图像与经过重建后的MS图像进行卷积神经网络(Convolutional Neural Network,CNN)特征提取,获取两幅图像的细节信息,再分别对两幅图像进行拉普拉斯金字塔分解,并与提取的细节信息进行融合。在基于超分辨重建的多光谱图像及导向滤波器融合中,通过对PAN图像与经过重建后的MS图像进行导向滤波的细节提取,将提取的细节信息自适应增强后注入到MS图像中获得融合图像,并引入了三种滤波方法:基于导向滤波器,基于快速导向滤波器,基于滚动滤波器,将这三种滤波器进行了对比融合实验,从主观与客观分析来看,基于导向滤波器的滤波方法得到的融合结果优于对比的两种滤波方法。3、选择了三种遥感卫星的数据作为融合实验的数据源,包括Geo Eye-1、IKONOS、World View-2。并选择IHS算法、PCA算法、GS算法、Brovey算法、小波变换算法作为对比实验,通过主观视觉分析与客观数据分析,本文研究的基于拉普拉斯金字塔融合与基于导向滤波融合方法较对比方法得到的融合图像效果最好,而基于导向滤波融合方法得到的融合图像光谱信息保留的最丰富,图像细节特征也最丰富。