遥感卫星携带的传感器受到自身性能的约束,采集的单一遥感影像数据的无法兼得高空间分辨率和高时间分辨率的问题。遥感图像时空融合技术是当前解决此问题的重要手段之一,该技术通过结合多个卫星传感器的不同优势得到高时间、空间分辨率的影像数据。就融合数据而言,由于时间间隔较大,预测时刻图像相对于先验时刻图像局部区域发生了地物变化,造成基于先验时刻图像对在变化区域构建的高低分辨率先验失效。就稀疏表示方法而言,方法应用于时空融合,重建融合图像需要满足高低分辨率稀疏系数之间线性一致的假设。但是由于高低分辨率图像之间尺度差异过大,导致这一假设很难成立。对此,本文关注于变化区域字典的构建和高低分辨率稀疏系数的转换关系,提出了新的基于稀疏表达的时空融合方法来提高图像融合精度。本文的贡献主要在如下两个方面。（1）针对变化区域难以准确表示问题,提出了基于跨时序字典学习的时空融合方法,保证字典对变化区域的表示能力。现有的时空融合算法是仅利用先验时刻图像建立高低分辨率字典,在预测时刻图像发生土地覆盖类型变化区域融合精度低。对此,该方法利用MODIS时序图像间的相似性,构建跨时序的高低分辨率字典对先验来提高变化区域字典的表示能力。另外,针对多源传感器之间存在偏差的问题,提出了传感器偏差映射模块来消除传感器偏差对融合结果产生的影响。（2）由于高低分辨率图像之间尺度差距过大,导致高低分辨率稀疏系数呈线性关系的假设不成立。为此,本文提出了基于支持向量回归稀疏系数的时空融合方法。首先,通过实验证明字典学习中高低稀疏系数呈线性关系的假设并不成立,且在线性关系假设下,高分辨率稀疏系数在转换过程中稀疏性降低从而失去稀疏性,严重违背了稀疏表示思想,影响了稀疏重建的结果。针对这些问题,该方法使用支持向量回归来构建高低分辨率稀疏系数之间的非线性关系,提升高分辨率稀疏系数估计精度,从而提升融合图像的质量。