由于卫星机载存储技术、图像带宽传输技术以及经济因素的限制,一幅遥感图像很难在提供了高空间分辨率的同时具备精确的光谱信息。随着遥感图像越来越广泛地被应用于社会生活、国民经济与国防军事的各个方面,对于高质量的遥感图像的需求也越来越大。在遥感图像处理中,多光谱与全色图像融合通过将低空间分辨率的多光谱图像与对应场景的高空间分辨率的全色图像融合,得到一幅高空间分辨率的多光谱图像。本文基于变分的方法,结合先前的研究成果,根据新的假设构建新的光谱信息保持项以及空间信息注入项,提出了2个新的多光谱与全色图像融合算法,本文的工作主要分为以下几个部分。首先,为了使融合结果保持原始多光谱图像的光谱信息,避免因直接使用上采样的多光谱图像导致融合结果的精度下降,提出在图像域和梯度域中融合结果下采样之后应当近似于低分辨的多光谱图像的假设,构建光谱约束项。而为了保持原始多光谱图像中波段间的相对关系,通过在光谱关系校正约束中考虑退化模型,使融合结果更精确地保持波段间的比例关系。其次,为了向原始多光谱图像中注入空间信息,通过考虑多光谱图像传感器与全色图像传感器之间光谱覆盖范围的差异,提出自适应权重注入机制,向多光谱图像的各个波段注入不同的空间信息,避免了融合结果因被注入过多的空间信息而导致光谱失真问题。最后,针对类IHS方法中估计替代成分的问题,提出了使用变分的方法估计替代成分。首先,基于替代成分与全色图像之间高频信息的差异越小,则融合结果的空间分辨率越高的假设,提出了使用梯度的空间信息约束项,提高融合结果的空间分辨率。然后,基于替代成分的低频信息越近似于强度分量,则越能减轻融合结果光谱失真的问题的假设,提出了基于半盲模糊核估计的光谱信息约束项,保持原始多光谱图像的光谱信息。除此之外,为了验证本文所提出融合方法是否有效,本文将在Pleiades、Geoeye、Quick Bird等卫星的数据上进行对比实验,并与6种表现优异的方法进行比较,分别从主观视觉分析和客观量化分析2个方面进行评价。实验结果表明,总体上,无论是主观还是客观评价,本文所提出的方法要表现得更好。