高光谱遥感影像可以提供丰富的光谱信息，常被用于表征地物的特有属性，在环境监测、精准农业、矿物勘测以及军事侦察等领域被广泛研究。然而，目前传感器技术所能提供的高光谱图像空间分辨率较低，这使得高光谱图像在诸多研究领域的应用受限。高光谱与全色遥感影像融合处理也叫高光谱全色锐化利用全色图像提高高光谱图像的空间分辨率，为获得同时具有高光谱和高空间分辨率的图像提供一种有效途径。由于使用高分辨率图像的商业平台越来越多，对融合数据的需求持续增长。此外，高光谱遥感影像融合是许多遥感任务增强图像的一个重要的预处理步骤。因此，高光谱遥感影像融合技术成为高光谱遥感影像处理的研究热点。但是，目前高光谱与全色遥感影像融合处理仍然面临许多挑战：如何有效提取高光谱图像“丢失”的细节信息，以降低融合图像的空间失真；如何有效估计注入增益，以实现锐化性能和计算复杂度之间的平衡；如何降低强度分量估计过程引起的融合图像光谱失真问题等。针对上述这些问题，本论文将简单快速的基于分量替代和多分辨分析的融合算法作为研究背景，分析并克服光谱范围不匹配，空间信息注入不足，算法复杂度高等技术难点，探索高精度、快速的高光谱与全色遥感影像融合算法，并通过多组高光谱遥感数据验证本文提出的方法。
　　本论文的主要工作概括如下：
　　1．由于高光谱与全色图像的光谱范围不匹配，传统的基于分量替代类的融合算法往往会导致融合图像产生严重的光谱失真。针对这一问题，本文提出一种基于显著性分析和高斯混合模型的细节提取技术。该方法通过显著性分析和高斯混合模型将图像分为包含差异信息的显著区域和相似信息的非显著区域。融合两幅图像的显著区域，校正非显著区域，实现准确估计高光谱图像缺失的细节信息。实验结果表明基于显著性分析和高斯混合模型的细节提取技术可以有效提高分量替代类融合方法的空间质量。
　　2．注入增益的全局估计方法实现简单，而上下文自适应估计注入增益方法可以得到相对较好的结果，但是计算复杂度高。针对这一问题，本文提出一种基于图像分割的注入增益估计技术。在该算法中，具有相似空间变化的像素被分割在同一区域并且共享相同的注入增益以降低算法复杂度，被分割在不同区域的像素对应不同的增益以提高融合性能。我们将基于图像分割的注入增益估计算法分别应用于分量替代和多分辨分析这两类广泛应用的融合方法中，实验结果表明基于图像分割的注入增益估计技术可以在不显著增加算法复杂度的情况下有效提高这两类方法的融合性能。
　　3．基于分量替代类的融合算法往往会由于全局估计强度分量无法处理局部差异而引起严重的光谱失真。为了解决这一问题，我们提出一种非线性强度分量估计技术。该算法通过提出一种非线性合成方案提供稳定的权重向量估计强度分量，利用局部模型最小化全色与高光谱图像之间的重叠信息，以降低融合图像的光谱失真。我们将非线性强度分量估计技术应用于几种经典的分量替代类融合方法，大大提升了它们的融合性能。在此研究基础上，我们将抠图模型引入锐化问题，利用抠图模型来重建高分辨率高光谱图像，在保证光谱保真度的前提下进一步提升融合图像的空间质量。
　　4．由于受到拍摄环境的干扰以及高光谱成像仪固有局限性的影响，高光谱图像常常存在光谱畸变问题。比如，地物边界处的像素点可能会出现“同物异谱”现象。为了解决这一问题，结合本论文提出的基于显著性分析和高斯混合模型的细节提取技术和基于图像分割的注入增益估计技术提出一种基于本征图像分解的高光谱与全色图像融合算法。本征图像分解模拟人眼视觉感知，消除光照等外界因素对图像光谱信息的影响，将高光谱图像分解为反映目标材质和光谱颜色等信息的反射成份以及包含细节纹理信息的照射成份。该算法利用分解出来的照射成份提取细节信息，保留纯净光谱信息的反射成份重建高分辨率高光谱图像。结果显示，基于本征图像分解的高光谱图像融合算法简单高效，可以提供高质量的融合图像。