受传感器限制,遥感卫星无法获得同时具有高空间分辨率和高光谱分辨率的遥感图像。图像融合技术可以将具有高空间分辨率的全色图像和低分辨率的多光谱图像合成一幅同时具有高空间分辨与高光谱分辨率的遥感图像。如何利用融合技术获取高质量的融合图像,成为一个非常关键的问题。针对该问题,本文对遥感图像融合技术展开研究:首先,介绍了遥感图像融合的目的与意义以及研究现状;分析指出遥感图像融合中存在的问题;预测了未来的发展方向。重点介绍了基于像素级的遥感图像融合方法和稀疏表示理论,简短介绍了融合图像质量的主观评价和客观评价,建议结合主观评价和客观评价对融合图像质量进行科学、合理的评价。其次,含噪声的图像去噪处理后的融合图像质量高,图像去噪算法的研究对于遥感图像融合具有十分重要的意义。传统的去噪方法处理遥感图像易过度平滑图像,丢失边缘结构信息,针对基于奇异值分解(Singular Value Decomposition,SVD)的图像去噪算法中相似块选择,提出一种基于奇异值分解的改进算法,改用矩阵相似度测量图像块相似性,并设计相应的权重系数。实验证明,所提算法对遥感图像的滤波效果优于其他算法,有利于后续的遥感图像融合。最后,分析指出基于多尺度变换的遥感融合图像空间分辨较低的原因在于多尺度变换的方向局限性。通过对细节注入模型表达式的分析,指出空间细节信息对融合图像质量的影响。重点介绍了两种可以提高融合图像质量的方法:引导滤波器以及联合稀疏表示,改用多尺度引导滤波处理全色图像,获得较完整的空间细节信息,并用联合稀疏模型滤除空间细节信息中的冗余信息,提高空间细节信息的精度。实验证明,所提算法能有效提高空间信息的精度,在具有较高光谱保真度的同时,提高了融合图像的空间分辨率。