多光谱图像是遥感数据中最常见的图像数据之一,在植被监测等领域有重要的作用。由于技术和效费比的限制,多光谱相机一般会配置光谱分辨率和空间分辨率互有优势的多光谱传感器和全色传感器。在很多应用领域中,来自多个传感器的数据组合提供了更全面的信息,因此,对多光谱遥感图像融合技术展开研究可以充分地利用多光谱数据的信息,具有很大的实用价值。目前,世界上许多研究者做了大量的工作来阐释,解决图像融合问题,并将一些方法投入到实际应用中。但这些方法也存在没有完全利用好多光谱图像的特性,适用范围不广等问题。本文根据之前的研究工作和多光谱图像的特性,提出了先验知识引导的多光谱图像融合模型,用以提升多光谱图像在融合方面的表现。具体工作如下:（1）本文第一章介绍了多光谱遥感图像的背景知识,然后在第二章回顾了多光谱图像融合方法的研究进展。第三章提出一种自适应光谱梯度稀疏正则化的多光谱图像融合方法。该方法综合了光谱一致性,梯度稀疏性和空间信息传递等先验知识,利用₁l范数实现空间结构一致性,并设计一个自适应权重矩阵,针对不同的区域自适应地选择不同的权值。这种选择有助于保持多光谱图像与全色图像的空间信息相似性。为了保证收敛性,本章使用交替方向乘子法迭代求解获得融合图像。在Parrot Sequoia等多个数据集上的实验证明,该方法领先许多融合方法,可以有效地减轻融合图像的光谱失真和空间信息模糊。（2）归一化差分植被指数（Normalized Difference Vegetation Index,NDVI）图像是由多光谱图像计算产生的图像,可以准确地反映地表植被覆盖状况。针对NDVI图像的特点,结合字典学习的方法,本文第四章提出一种针对NDVI图像的融合方法。该方法具有以下特点:1.利用全色图像和多光谱图像构造出和NDVI形式相近的指数,由于加入了全色图像,该指数对应的图像中含有较多的空间纹理信息,可以传递到NDVI图像中来提升NDVI图像的空间分辨率。2.利用稀疏表示和尺度不变性的先验知识,构建高低NDVI图像块字典的映射关系,使得不借助其他图像的内容,构建一个在线的过完备字典,即可完成空间信息注入的过程。在高分二号数据集上进行的实验表明,与原始NDVI图像以及从融合的多光谱图像获得的NDVI图像相比,该方法获得的NDVI图像有更多的细节信息,在多个指标上也更有优势。（3）在获得融合图像之后,怎样使用融合图像,发挥融合图像的价值也是值得讨论的问题。相对于低分辨率多光谱图像,融合后的图像具有更多的纹理,即更清晰的细节信息。本文第五章基于第三章和第四章提出的两种融合方法,使用多个数据集探讨了融合图像在实际应用中的可行性。在NDVI图像频率分布实验中,使用第三章提出的的融合方法得到的NDVI图像不仅提高了图像的空间分辨率,而且接近于真实情况下的NDVI分布。在多源NDVI图像时序变化检测实验中,使用第四章提出的融合方法获得的NDVI图像验证了使用不同类型的卫星多光谱数据对同一区域进行变化检测可以有效地提高变化图像的时间分辨率。另外,对NDVI图像注入空间信息可以提高空间分辨率,在进行变化检测时,融合的NDVI图像有更多的边缘和细节,检测精度也更高。