多源遥感图像融合是将取自多个传感器的同一目标的两幅或多幅遥感图像进行互补叠加,进而得到信息愈加精确和完善的综合图像的数据处理技术。图像融合不仅是遥感探测数据处理的重要组成部分,而且在环境检测、精准农业、城市规划等领域也有着广泛的应用空间。近年来,研究人员跟随卫星遥感技术前进的步伐,对多源遥感图像融合展开了深入探索。根据融合层次的不同,图像融合主要分为:像素层融合、特征层融合和决策层融合。本文主要围绕像素层图像融合展开算法研究,重点解决全色图像与多光谱图像在融合过程中存在的空间细节丢失和色彩失真问题,力求在增强融合结果空间特征的同时,尽可能地减轻色彩失真现象,具体工作如下:(1)提出了一种基于自适应分数阶微分的图像融合算法针对基于IHS变换法得到的融合结果未充分考虑源图像边缘细节的问题,提出了一种基于自适应分数阶微分的图像融合算法,基本思路是:首先利用IHS变换获取上采样后的多光谱图像I分量,通过设计一种自适应分数阶微分方法,实现对I分量和全色图像地物边缘部分的增强和平坦部分的保留。然后采用加权平均对分数阶微分处理后的I分量和全色图像进行叠加,从而减少源图像特征信息的丢失。接着对叠加后的结果图像与全色图像作直方图匹配,进而实现结果图像的灰度调整。最后,利用IHS反变换得到融合图像。实验结果表明,本文算法在融合过程中对源图像的空间特征作了较为充分地考虑,能够在保存图像光谱特征的同时,明显提升融合结果的清晰度。(2)提出了一种结合引导滤波和分数阶微分的图像融合算法针对基于传统融合方法常出现的色彩失真和空间细节丢失问题,提出了一种结合引导滤波和分数阶微分的图像融合算法,基本思路是:首先利用IHS变换获取上采样后的多光谱图像I分量。为减少上采样过程产生的块效应现象,利用引导滤波处理I分量。同时,采用自适应分数阶微分来增强全色图像的空间细节信息。然后对滤波后的I分量和增强后的全色图像分别开展小波变换,得到二者的高、低频分量,其中高频分量采用绝对值取大原则,低频分量采用加权平均原则,将小波反变换得到的结果作为新的I分量。最后,利用IHS反变换获取融合图像。实验结果表明,本文算法可以较好地抑制融合结果的色彩失真现象,并且能够有效地减少空间细节的丢失。(3)提出了一种基于结构张量的图像融合质量评价方法为验证不同融合算法的准确性和可靠性,提出了一种基于结构张量的图像融合质量评价方法。通过计算融合结果的结构张量,将图像的平坦部分、边缘部分与角点部分三者区分开。遥感图像的边缘部分和角点部分是主要的空间特征,且边缘部分与角点部分越多,则图像的清晰度越高。因此,通过统计边缘部分与角点部分的像素点数,能够辅助评估融合结果的质量好坏。实验结果表明,图像的空间细节越丰富,那么边缘部分与角点部分的像素点统计数值就越大。由此可见,本文提出的基于结构张量的图像融合质量评价方法在遥感应用中具备一定的可行性。