遥感影像融合是将在空间、时间、波谱上冗余或互补的多源遥感数据按照一定的规则（或算法）进行运算处理，获得比任何单一数据更精确、更丰富的信息，生成具有新的空间、波谱、时间特征的合成影像数据。影像通过融合既可以提高多光谱影像空间分辨率，又保留其多光谱特性。—因此，它不仅仅是数据间的简单复合，而强调信息的优化，以突出有用的专题信息，消除或抑制无关的信息，改善目标识别的影像环境，从而增强解译的可靠性，减少模糊性（即多义性、不确定性和误差），提高分类精度，扩大应用范围和效果。

数据触合的概念始于20世纪70年代，进入90年代以后，随着多种遥感卫星的发射成功，不同空间分辫率、光谱分辫率以及时间分辫率的遥感影像被获得。这些数据间不仅存在着一定的互补性，且存在一定的冗余，如何有效地整合这些数据以获得更为丰富的信息成为亟待解决的问题。

现代遥感技术的显著特点是尽可能地搜集多种传感器、多级分辨率、多谱段和多时相技术于一身，使人们可以获得不同空间分辨率、时间分辨率和光谱分辨率的遥感影像。对于遥感影像解译来说，使用融合后的影像比单独使用可见光影像或者多光谱影像更为有效；而对于遥感影像分类来说，融合后的影像提供了更多的细节信息，可以显著提高分类结果的准确性。因此，图像融合技术是未来遥感技术应用的关键。

遥感影像融合是信息融合技术的一种根据相应的应用目的，通过高级影像处理技术对多源影像进行复合，从而生成新的影像的过程。到目前为止，人们提出的遥感影像融合方法有百余种，其中较为常用的有IHS变换法、主分量变换法(PCA)、BROVEY、乘法以及基于小波的融合法等。

（1）消除冗余数据，突出有用的专题数据。

（2）利用多源数据间的信息互补性，对各种遥感影像数据进行融合，以弥补单一数据的不足，提高分析的精度，并扩大数据的使用范围。

（3）提高信息的协调能力，融合并非是几种数据的简单叠加，它可以得到原来几种单个数据不能提供的新数据，满足地学分析及各种专题研究的需求。

（1）影像预处理：主要是影像降噪等；

（2）空间配准：在同一空间坐标系下，建立融合影线间的空间对应关系；并对影像进行重采样，使之具有相同的空间分辫率。

（3）内容融合：对配准后的影像进行变换处理，并选择相应的方法对影像

进行融合。

（4）融合质量评价：选择合适的指标，对融合后影像的质量进行评价。

多源遥感影像融合过程可分为两个过程：数据准备和预处理与影像数据融合。

（1）数据准备和预处理：数据准备首先收集要进行融合的原始遥感影像，对遥感影像进行合适的预处理：除去原始影像中有问题的扫描线和噪声，以便增加影像质量，提高融合效果；根据影像融合范围进行裁减，这样可以减少融合像元数目，提高速度；而最重要的是对要进行融合的影像进行空间配准。融合之前对多源影像数据进行高精度的配准是提高融合质量非常关键的因素。

（2）影像数据融合：在进行影像数据融合时，根据实际需要和融合目的选择合适的融合方法，按照各种方法的原理和步骤进行。在融合过程中每一步变换都有一系列的参数要确定和选择，这些参数会影响最后的融合效果，因此一种融合算法也需要进行多次试验，同时不同融合方法之间也需要进行对比，之后才可以确定最适当的融合方法以及融合时选择怎样的参数。对于各种算法所获得的融合遥感影像，根据实际需要，可进一步进行处理，如“匹配处理”和“类型变换”等，以便使研究的目标得到更加清晰的表示。

遥感影像融合根据融合水平来划分，可以分为:像素级触合，特征级融合和决策级触合三级，其特点如图1所示。

（1）像素级融合尽可能多的保留信息，具有最高的精度，是三级中研究 最为成熟的一级。

（2）特征级融合是一种中等水平的融合。首先将遥感数据进行特征提取， 然而按照特征信息对多源数据进行分类、聚集和综合，产生特征向 量，而后融合这些特征向量。

（3）决策级融合是最高水平的融合。首先对数据进行属性说明，然后对 其结果进行融合，得到目标的综合属性说明，为控制或决策提供依据。

主分量变换

又称K-L变换，利用主分量变化，在融合处理中，首先由多光谱影像数据求得影像间的相关系数矩阵，由相关系数矩阵计算特征值和特征向量，求得各主分量影像；然后将高空间分解力影像数据进行直方图匹配，使其与第一主分量影像数据具有相同的直方图；最后用由直方图匹配生成的高空间分解力影像来代替第一主分量，将它同其他主分量一起经逆主分量变换得到融合的影像。

乘积变换

乘积变换利用最基本的乘积组合算法直接对两类遥感影像信息进行合成。即：Binew=Bi*Bh，它由Crippen的四种分析技术演变而来，其算法公式为：

BROVEY变换融合法

Brovey变换融合法是较为简单的融合方法，它是为RGB影像显示进行多光谱波段颜色归一化，将高分辨率全色与各自相乘完成融合。其计算公式为：

式中，pan表示高分辨率全色影像，band1、band2、band3表示多光谱影像的三个波段。

小波变换

小波变换（Wavelet transform, WT）是一种新兴的数学分析方法，已经受到了广泛的重视。该方法首先对参与融合的遥感图像数据进行小波正变换，将图像分解为高频信息和低频信息。分别抽取来自高空间分辨率影像分解后的高频信息和低空间分辨率的低频信息进行小波逆变换，生成融合图像（如图2所示）。