高光谱成像技术将成像技术和光谱技术相结合,所得到的高光谱图像是包含着丰富光谱信息的具有三个维度的数据立方体,因此高光谱图像在地物分类、食品安全、地质勘测和军用监测等诸多领域中发挥着重要的作用。然而由于成像设备和太阳辐射照度的限制,导致成像系统无法获取同时具有较高分辨率和较多光谱波段数的光谱图像,这极大的限制了光谱图像在各种领域中的应用。最近,利用高分辨率的多光谱图像和低分辨率的高光谱图像进行融合以获取具有高分辨率的高光谱图像得到了广泛的研究。由于张量在表示多阶多维数据方面的优势,利用张量工具去处理高光谱与多光谱图像的融合问题逐渐引起人们的关注。考虑到光谱图像可以自然地表示为三阶张量的形式,本文从张量的角度研究光谱图像的融合问题,针对高光谱与多光谱图像融合中探索已知光谱图像信息较难和物理意义可解释性较差的问题,本文通过张量表示挖掘已知图像的先验信息,并结合非局部低秩表示的方法实现高光谱与多光谱图像的融合。本文的主要工作可以总结如下:1.提出一种基于非局部自相似性的低变换张量秩光谱图像融合模型。通过分析光谱图像的非局部自相似性,使用聚类算法寻找光谱图像中相似的子数据立方体,并将相似的数据重新排列为三阶张量的形式,进一步利用变换张量秩探索图像中的非局部低秩结构,最后结合分段优化的思想和交替方向乘子法求解目标优化函数实现高光谱与多光谱图像的融合。实验结果表明,与对比方法相比,提出的模型可以获得更好的融合效果。2.提出一种基于空谱联合低变换张量秩的光谱图像融合模型。在非局部自相似性的基础上,通过分析光谱图像的谱间相关性,将低变换张量秩的约束同时施加于重建后的张量和重建后张量的旋转张量,且变换张量秩中涉及到的变换矩阵全部是从已知的光谱图像中构建的,最后利用分段优化的思想和交替方向乘子法求解目标优化函数实现光谱图像的融合。光谱图像融合实验和地物分类应用实验的结果表明,在光谱波段数更高的时候,提出的模型可以获得更好的融合性能和分类效果。