近年来,遥感图像被广泛应用于农业,矿业,环境监测等多个领域。然而,光学仪器受到存储和带宽等基础设施的限制,得到的高光谱图像空间分辨率较低,全色图像光谱分辨率较低。因此,高光谱图像与全色图像融合的结果可以很好地展示边缘细节并且色彩丰富的地面场景。为人或机器提供更清晰的遥感图像,便于对地面环境的监测和识别。我们提出一种基于耦合非负矩阵分解的融合方法,在高光谱图像与全色图像非负矩阵分解所定义的能量泛函中,引入一个针对光谱信息基于L2范数构建的约束项,和一个针对空间信息基于L1范数构建的梯度稀疏正则项。然后采用梯度下降法进行算法优化。保留高光谱图像中光谱信息的同时保持全色图像中的锐利边缘。通过一系列运算获得光谱端元矩阵和丰度矩阵,将它们结合就是我们需要的融合图像。然后选取真实的16幅遥感图像上进行仿真实验,对融合结果同时进行主客观的评价,差值运算和定量分析。与经典和较先进的方法相比,此算法在保持图像光谱和空间边缘信息方面性能良好。此外,考虑到采用L2范数构建的光谱约束项会产生不稀疏的解,会对梯度稀疏正则项产生影响,可能导致丰度矩阵不够稀疏。我们只采用L1/2范数重新构建梯度稀疏项,去除光谱约束项,进行全色锐化。然后应用到真实数据集上进行仿真实验,对融合结果同时进行主客观的评价,差值运算和定量分析。与经典和较先进的算法作比较,此算法在增强图像空间分辨率方面表现良好。将以上两种融合方法均与其他方法在相同数据集上的各个评价指标取平均值,将结果以直方图的形式呈现,可以得出本文提出的方法融合性能较好。可以应用在遥感卫星中。