随着对地观测技术的快速发展,中国发射了不同系列的高空间分辨率遥感卫星,如ZY3、GF1、GF2等。高空间分辨率遥感卫星能快速获取具有丰富地物信息的影像,已广泛应用于国土、资源、环境、灾害、农业、林业、测绘等领域。但因传感器类型不同,卫星获取的影像具有不同的时间分辨率、空间分辨率、光谱分辨率等特征。而在实际应用中,单波段影像具有的特征是难以满足实际需求,需要将不同空间分辨率、不同光谱波段的影像融合,以获得观测信息更全面的影像,为影像应用提供更好数据源。影像融合是影像分类应用前期处理过程,影像融合质量对后面影像分类有较大影响,因此本文面向高空间分辨率影像土地覆盖分类应用,基于国产ZY3、GF2影像对融合算法展开研究,并给出改进算法,本文主要研究内容及成果如下:(1)应用多光谱影像与全色影像进行融合以获取高空间分辨率的多光谱影像,为影像土地覆盖分类提供可靠的数据源。选取常用的IHS变换、PCA变换、Brovey变换、HPF方法、SFIM方法、Wavelet变换、Contourlet变换等融合算法,对国产ZY3、GF2卫星的全色影像与多光谱影像进行融合,对融合影像进行分类,从融合影像的光谱保留度、空间信息注入度、影像分类准确度等方面评价融合算法与ZY3、GF2影像的适宜性。结果表明:PCA方法对ZY3影像的整体融合效果较佳,光谱保持较好,空间信息增强和融合影像分类精度均优于其它方法;SFIM方法对GF2影像的空间信息增强较好,光谱保持较佳,融合影像分类精度最高,整体融合效果优于其它方法。(2)对空间细节丰富的高空间分辨率影像进行分类,面向对象分类方法比基于像元的分类方法更合适,而影像空间细节信息是面向对象分类方法利用的重要特性,其对分类结果存在一定影响的。为了能给予影像分类提供更高质量的融合影像,本文应用卷积神经网络超分辨率重构与NSCT变换结合的算法融合多光谱影像与全色影像,先是对低分辨率多光谱影像进行超分辨率重构,使其保持影像光谱特性的同时增强空间信息,再利用IHS与NSCT变换融合全色影像与增强后多光谱影像,其融合规则为低频采用多光谱影像系数,以保持多光谱影像光谱特性,高频采用绝对值取大的策略,以能够融合能量较大系数,使得影像更加清晰。结果表明:本文算法的整体融合效果优于对比算法,能有效注入空间细节的同时,更有效的保留融合影像光谱特征,得到了更好质量的融合影像。在此基础上,基于面向对象分类方法对融合影像进行土地覆盖分类,提取建设用地、裸地、绿地、水体和工业用地等五种地类,从地类信息提取的准确度方面探讨融合算法对地类信息提取的适宜性,得出了适宜各地类信息提取的融合算法。