1、受光學(xué)傳感器技術(shù)的限制，現(xiàn)有衛(wèi)星無法提供高分辨率多光譜圖像成為當(dāng)今對地觀測研究的一項(xiàng)關(guān)鍵技術(shù)瓶頸。作為一種軟件解決方法，遙感圖像融合將一個或多個傳感器對同一場景采集的多幅圖像重建為一幅分辨率高且顏色信息豐富的合成圖像，有利于人類視覺判斷及后續(xù)圖像分析。因此，如何充分利用源圖像間的互補(bǔ)與冗余信息來快速且高精度地重建完整的融合圖像，是當(dāng)今圖像融合研究領(lǐng)域的熱點(diǎn)問題之一。
　　近年，稀疏表示廣泛應(yīng)用于遙感圖像融合領(lǐng)域，并取得一定成效。但

2、是傳統(tǒng)的基于稀疏表示的融合方法通常僅對單個源圖像進(jìn)行稀疏表達(dá)，忽略了源圖像之間的相關(guān)性，還存在字典訓(xùn)練的時間復(fù)雜度過高的缺點(diǎn)。為了解決這些問題，本文采用結(jié)構(gòu)化字典學(xué)習(xí)和聯(lián)合稀疏表示來修正和完善遙感圖像融合的方法，本文內(nèi)容歸納如下:
　　1.為降低算法復(fù)雜度，本文提出了基于結(jié)構(gòu)化字典學(xué)習(xí)的融合方法。首先通過雙稀疏模型分別獲取全色圖像的高頻、低頻分量對應(yīng)的結(jié)構(gòu)字典;其次采用稀疏表示方法提取出全色圖像中的細(xì)節(jié)分量;最后通過細(xì)節(jié)注入模型將

3、全色圖像中的細(xì)節(jié)分量注入到低分辨率多光譜圖像中。與經(jīng)典的字典學(xué)習(xí)算法相比，本文方法在字典訓(xùn)練的過程中，充分考慮了字典原子間的結(jié)構(gòu)相關(guān)性，減少了原子多次迭代優(yōu)化的次數(shù)，從而提高了訓(xùn)練的效率;且獲得的結(jié)構(gòu)化字典的尺寸更小，從而進(jìn)一步提高了后續(xù)圖像處理的計算速度。
　　2.針對過量的細(xì)節(jié)融入導(dǎo)致融合圖像出現(xiàn)局部塊狀效應(yīng)失真，以及低頻信息融入不足導(dǎo)致部分信息丟失和融合圖像對比度偏低的問題，本文提出基于聯(lián)合稀疏表示的融合方法。傳統(tǒng)的細(xì)節(jié)注入

4、融合方法通常忽視了細(xì)節(jié)融入時全色圖像與多光譜圖像之間存在的冗余，以及全色圖像的低頻信息融入的問題。因此，本文首先采用聯(lián)合稀疏表示方法從全色圖像中提取出特有稀疏系數(shù)，其次采用絕對值取大原則來對該系數(shù)進(jìn)行進(jìn)一步地選取，并重構(gòu)得到多光譜圖像所缺失的分量，最后通過細(xì)節(jié)注入模型將該分量注入到多光譜圖像中，得到最終的融合圖像。通過對QuickBird與IKONOS衛(wèi)星遙感圖像的實(shí)驗(yàn)結(jié)果分析可知，與現(xiàn)有經(jīng)典遙感圖像融合方法相比，本文方法在光譜信息的保