随着现代图像数据处理技术的改进和发展,遥感影像已经在很多领域得到了广泛应用。但是由于硬件和其他因素的限制,单个传感器无法获得较为详细的地面信息,比如同时具备高空间分辨率和光谱分辨率的遥感影像。为了克服单幅遥感图像固有的缺陷,将图像融合技术引入到了遥感图像处理领域。目前遥感图像融合的方法越来越多样化,每种方法都有各自的特点,同时也取得了很好的融合效果。基于分量替换的融合方法,融合效率高且操作简单,但是融合结果存在光谱失真;基于多分辨率分析的方法能够较好地保留光谱信息,然而在融合过程中的高低频分解使得融合结果丢失了一些空间细节和纹理信息;基于变分模型的方法能够得到很好的融合效果,但是求解能量函数的过程会耗费大量的时间,使得融合效率很低;基于深度学习的融合方法处理大量数据有很大的优势,但由于遥感图像缺乏参考图像,很难普遍应用。针对目前融合方法的问题,本文的主要研究内容如下:1.提出一种将变分法与基于成分替换的方法相结合的融合方法。针对现有变分法时间复杂度高的问题,将其与基于成分替换的IHS方法相结合,综合两种方法的优势。传统的基于成分替换的IHS的方法用全色图像直接替换多光谱图像的强度分量,这样会导致光谱失真。本文提出将原始强度分量与全色图像利用变分法计算出一个更加准确的新的强度分量,用来代替原始图像的强度分量。实验结果表明,该方法不但避免了IHS方法的光谱失真,同时还提高了变分法的融合效率。2.提出一种结合超分辨率重建网络结构的融合方法。与大多数基于深度学习的方法不同,本文利用深层次的超分辨率重建网络VDSR来学习全色图像和原始强度分量的空间结构信息,重建一个新的强度分量。为了避免信息的冗余,将得到的新强度分量减去原始的强度分量得到高频强度分量,然后再注入一定的模型增益后加到多光谱图像中,从而得到最终的融合图像。实验结果表明,融合结果能很好地保护多光谱的光谱信息,同时也能提高其空间结构信息。