遥感图像的分辨率直接影响国土资源信息的全面性和准确性,随着遥感技术的发展,遥感图像在国土资源中的应用越来越广泛,国土资源管理对遥感图像的分辨率有了更高的要求。在实际应用中,由于卫星遥感器的技术受限,多数商业卫星不能提供一幅高空间分辨率多光谱(High-spatial-resolution Multispectral,HRMS)图像。它们只能提供低空间分辨率多光谱(Multispectral,MS)图像和高空间分辨率全色(Panchromatic,PAN)图像。这种由卫星直接成像的MS和PAN图像通常因空间分辨率或光谱分辨率不高无法为国土资源管理提供全面、准确的信息,不能直接用于国土资源信息管理。因此遥感图像融合应运而生。遥感图像融合是两幅或多幅来自同一场景的不同空间分辨率、光谱分辨率或时域分辨率的MS和PAN图像的信息整合过程,其目的是通过融合不同传感器成像的MS和PAN图像互补信息,产生一幅HRMS图像。遥感图像融合技术按照信息表征层次不同,由低到高可分为像素级图像融合、特征级图像融合和决策级图像融合。像素级图像融合是目前研究最广泛,也是最为常用的一类融合,它对各源图像中的像素逐个进行信息融合,能尽可能多地保留源图像中的重要信息,有利于获得对场景更全面、更精确的描述。经过近二十多年的发展,像素级遥感图像融合形成了一个以注入模型为代表的遥感图像融合方案。该方案假定低空间分辨率MS图像丢失的空间信息可以用高空间分辨率PAN图像的空间信息来补偿,提取其高频信息注入到MS图像中获取HRMS图像。注入模型通常包括三个部分:1)高频细节;2)细节接受对象;3)注入效益。现有基于注入模型的遥感图像融合算法存在两大亟需解决的关键问题:1)PAN图像细节与MS图像之间的低相关问题;2)高频细节过度注入问题。本论文针对注入模型算法存在的两大问题,围绕高频细节、细节接受对象及细节注入效益三方面开展探索性研究,提出新的遥感图像融合新方法。论文的主要研究成果如下。(1)提出了基于精炼细节注入的遥感图像融合算法,并对该算法在国土资源管理中的应用进行了分析。该算法针对MS与PAN图像之间存在的全局或局部不相似导致PAN图像高频细节与MS图像低相关问题,围绕注入模型中高频细节参数的改进工作开展研究。算法通过分析PAN和MS图像的特性,并基于àtrous小波变换及引导滤波技术,提出一种基于àtrous小波变换和引导滤波联合的多尺度分析技术,用于提取PAN和MS图像的高频细节,构造一种细节精炼方法。该方法首先基于稀疏表示融合MS和PAN图像的高频细节得到初始联合细节;再基于初始联合细节和PAN图像细节间的相关性及差异设计一个权重因子;最后从初始联合细节和PAN图像细节中提出精炼的联合细节,将精炼的联合细节注入到低空间分辨率MS图像中得到融合图像。实验结果表明,与一系列现有的遥感图像融合方法对比,所提出的遥感图像融合算法能有效克服注入细节与MS图像低相关引起的光谱失真缺陷,在WorldView-2、QuickBird和IKONOS三大遥感图像数据库上表现出优越的性能,而且能有效消除国土资管理中信息获取误差,融合结果能满足国土资源管理需要。(2)提出了基于补偿细节注入的遥感图像融合算法,并对该算法在国土资源管理中的应用进行了分析。高频细节注入在基于注入模型的遥感图像融合算法中扮演着重要角色,获取与细节接受对象高相关的细节直接影响算法的优劣。针对这一问题,论文提出从补偿学习的角度改进注入模型中高频细节参数,用鲁棒稀疏模型分解PAN和MS图像,并基于分解产生的MS和PAN图像细节计算补偿细节,通过增加补偿细节的注入来补偿PAN图像细节的不足,减少融合图像的光谱失真。该方法首先用鲁棒稀疏模型分解源PAN和MS图像,得到PAN和MS图像的低频成分和高频成分,并基于提取到的高频成分计算补偿细节;然后利用引导滤波提取PAN图像高频细节;最后将补偿细节和PAN图像的细节注入到源MS图像中得到融合图像。实验证明所提出的基于补偿细节注入的遥感图像融合算法补偿了源MS图像空间信息,同时避免了融合图像的光谱失真,与现有一系列先进的遥感图像融合算法相比,该算法在很多遥感图像数据库上表现出优越的性能,能解决现有遥感图像融合算法应用于国土资源信息管理中分类准确度不高的问题。(3)提出了基于多光谱图像改进的遥感图像融合算法,并对该算法在国土资源管理中的应用进行了分析。传统的MS全色锐化处理操作通过将PAN图像细节注入到源MS图像中获取HRMS图像。这种处理方式会因PAN图像细节和MS图像间的潜在不匹配及几何结构不一致产生光谱失真。为了克服上述问题,提出评估PAN与其低通子图间的空间差异获取PAN图像细节,并将这些细节注入到一个改进后的低空间分辨率多光谱(Improved Low-spatial-resolution Multispectral,ILRMS)图像中获取HRMS图像。提出的算法致力于改进注入模型中细节接受对象和注入效益两个参数。该算法执行过程中,首先,一对基于低空间分辨率PAN图像及其细节子图的低、高频字典被构建,用低频字典中的原子稀疏地表示LRMS图像,获得LRMS图像的稀疏系数;然后,联合高频字典及LRMS图像的稀疏系数重构源MS图像与PAN低通子图间的差异信息,并注入这些重构的信息到源MS图像得到ILRMS图像;最后,算法基于MS和PAN图像间相关性及差异构建了一个注入效益,将PAN图像细节自适应地注入到ILRMS图像中得到融合图像。实验表明,所提出的算法通过改进源MS图像,使ILRMS图像与PAN图像低通子图的空间分辨率相似,增加了注入细节与MS图像的相关性。同时,算法通过改进注入效益避免了细节的过度注入,大大减少了融合图像的光谱失真,与现有很多遥感图像融合算法相比,其优越的性能在WorldView-2、QuickBird和IKONOS三大遥感图像数据库上表现突出,能给国土资源管理部门提供全面、精准的信息。(4)提出了基于光谱及亮度调制的遥感图像融合算法,并对该算法在国土资源管理中的应用进行了分析。该算法针对注入模型中高频细节容易过度注入及其光谱信息保护不协调容易导致融合图像空间及光谱信息不均匀问题,围绕注入模型中细节接受对象和注入效益两个参数的改进开展研究,提出一种新的基于光谱调制及亮度调制的注入模型。该模型是光谱调制系数与源MS图像、亮度调制系数与PAN图像高频细节的线性联合。提出的算法首先基于PAN与MS图像高频细节差异及MS图像通道间关系构建光谱调制系数,随后将这个系数作用于源MS图像,对融合图像进行光谱调制,从而克服因MS图像像素点亮度改变导致邻域像素值变化引起的光谱失真;然后基于PAN和MS图像间相关性及差异构建亮度调制系数,将这个系数作用于PAN图像高频细节,对融合图像进行亮度调制,克服因细节的过度注入引起的空间失真;最后将光谱和亮度两种调制的作用效果叠加得到融合图像。实验证明,所提出的算法通过对融合图像进行光谱和亮度调制,在增强多光谱图像边缘纹理细节的同时,可调制融合图像的光谱信息,获得较好的融合效果,且该算法计算简单,可有效融合WorldView-2、QuickBird和IKONOS三大遥感图像数据库上的图像,同时其融合的结果所含信息全面、准确。