本文通过对传统融合方法的学习和总结,针对像素级融合中所出现的融合影像空间匹配难、光谱扭曲度大、空间分辨率提升程度受限等问题,提出一种基于压缩感知理论(CS)的遥感影像融合方法。论文成果如下:1)建立了一套基于压缩感知理论的遥感影像融合方法技术流程。CS融合无需进行空间匹配,以压缩感知理论为核心,结合小波变换的方法进行低分辨率影像的重构,最终获得融合影像。2)本文提出的CS融合算法是使用联合字典作为稀疏基,多项式确定性矩阵作为测量矩阵,BP算法与小波变换联合进行信号重构。在图像的稀疏表达过程中,通过高、低分辨率影像训练所得的两个版本的训练字典,不仅具有原始影像的结构特征,还存在一定的对应关系,得到的还原影像与原始影像在细节上更加逼近。多项式确定性矩阵在一定程度上可以避免随机产生的不确定性。BP算法在信息重构方面更加精确,小波分解可将重构的亮度小块和全色影像小块分别进行高频和低频信息的分离,经过信息重组得到的新亮度小块包含了更多的细节信息,使得最终的重构影像信息更加丰富。3)CS融合影像的亮度适中,色调未发生异常,地物边界清晰,纹理细节保存较好,对原始影像的还原度较高。相比之下,像素级融合影像的光谱信息和空间信息基本不能兼顾,发生了不同程度的光谱扭曲,或空间分辨率提升程度不够的现象。因此,在影像质量的整体评价中,CS融合得到的重构影像质量要优于像素级融合影像的质量。