多光谱遥感图像有多个谱段,包含地物丰富的光谱信息,每个谱段的图像对应了地物的光谱响应,在数字地图绘制、遥感图像分类等领域中具有重要应用价值。多光谱图像的空间分辨率较低,而全色图像中包含地物丰富的空间细节信息,因此有必要研究多光谱和全色图像融合算法来挖掘多光谱图像和全色图像中的互补信息。目前多光谱图像融合算法依然存在一些问题:1)没有考虑到多光谱图像上采样对图像融合结果的影响。2)融合图像存在空间细节信息损失或光谱失真。针对这两个问题,本文提出了相应的解决方法,主要研究工作如下:（1）经典多光谱遥感图像融合算法的实现与分析。目前的多光谱与全色遥感图像融合算法分为成分替换、多分辨率分析、优化模型和深度学习四大类。本文实现了四类图像融合算法中的经典算法,通过对算法处理结果的分析,提出了多光谱图像融合算法的特点与目前存在的问题。（2）基于抗混叠轮廓波变换的多光谱图像上采样方法。针对多光谱图像上采样过程中图像产生锯齿的问题,考虑到轮廓波变换在对图像分解时具有更好的方向性,在轮廓波变换的基础上,解决了图像分解过程中出现的频谱混叠问题,提出了一种基于抗混叠轮廓波变换的多光谱图像上采样方法。通过与传统的插值方法进行对比实验,验证了基于抗混叠轮廓波变换的图像上采样方法的有效性。（3）基于低秩约束的图像融合方法。针对融合图像出现空间信息损失和光谱失真的问题,在图像融合模型中引入空间信息保真项和光谱信息保真项,使得融合图像既能够保持多光谱图像中丰富的光谱信息又能够保留全色图像中的高分辨率的特点。结合遥感图像的低秩特性,构造了图像融合模型的约束项。考虑到交替方向乘子法能够对模型参数逐个优化,选择交替方向乘子法作为图像融合模型的求解方法。（4）多光谱图像融合实验验证与分析。针对本文需要验证的多光谱图像上采样方法和多光谱图像融合算法,结合高分二号遥感图像数据,建立了多光谱遥感图像数据集,结合公认的多光谱遥感图像融合算法评价指标,设计了相应的实验方案来验证算法有效性和正确性。