本书基于注入模型从像素级层面开展遥感图像新算法研究，重点是提高遥感图像的融合性能和应用价值，主要论述基于精炼细节注入的遥感图像融合算法、基于补偿细节注入的遥感图像融合算法、基于多光谱图像改进的遥感图像融合算法、基于光谱及亮度调制的遥感图像融合算法和基于多目标决策的遥感图像融合算法。本书适合数据融合、计算机视觉、图像处理等领域研究人员的参考，也可供对相关领域感兴趣的读者阅读。

       遥感图像的分辨率直接影响国土资源信息的全面性和准确性，随着遥感技术的发展，遥感图像在国土资源中的应用越来越广泛，国土资源管理对遥感图像的分辨率有了更高的要求。在实际应用中，由于卫星遥感器的技术受限，多数商业卫星不能提供高空间分辨率多光谱(highspatialresolution multispectral，HRMS)图像。它们只能提供低空间分辨率多光谱(multispectral，MS)图像和高空间分辨率全色(panchromatic，PAN)图像。这种由卫星直接成像的MS图像和PAN图像通常因空间分辨率或光谱分辨率不高无法为国土资源管理提供全面、准确的信息，不能直接用于国土资源信息管理。因此，遥感图像融合应运而生。遥感图像融合是两幅或多幅来自同一场景的不同空间分辨率、光谱分辨率或时域分辨率的MS图像和PAN图像的信息整合过程，其目的是通过融合不同传感器成像的MS图像和PAN图像互补信息，产生一幅HRMS图像。遥感图像融合技术按照信息表征层次不同，由低到高可分为像素级图像融合、特征级图像融合和决策级图像融合。像素级图像融合是目前研究广泛的一类融合，它对各源图像中的像素逐个进行信息融合，能尽可能多地保留源图像中的重要信息，有利于获得对场景更全面、更精确的描述。经过20多年的发展，像素级遥感图像融合形成了一个以注入模型为代表的遥感图像融合方案。该方案假定低空间分辨率MS图像丢失的空间信息可以用高空间分辨率PAN图像的空间信息来补偿，提取其高频信息注入MS图像中获取HRMS图像。
       本书首先论述遥感图像融合相关知识，然后论述注入模型理论，最后论述各类新遥感图像融合方法的工作原理、融合性能及在国土资源管理中的应用效果，使读者既能全面了解遥感图像融合概念及其应用价值，又能学到一些新颖有效的遥感图像融合精巧算法。
       本书共分7章，具体内容如下：
       第1章首先介绍了遥感图像融合的作用，简述了遥感图像融合层级结构、常用融合规则，回顾了国土资源信息管理中遥感图像融合算法的发展进程，阐述了遥感图像特性、遥感图像质量评价体系，分析了现有遥感图像融合算法的优缺点以及目前国土资源信息管理中遥感图像融合算法存在的问题。
       第2章回顾和归纳了高频细节注入模型遥感图像融合算法，介绍了基于成分替代技术和多分辨率分析技术的注入模型融合方案、相关理论，为后续章节的展开进行铺垫。
       第3章论述了基于精炼细节注入的遥感图像融合算法及其应用，介绍了细节精炼关键技术、基于精炼细节注入的遥感图像融合框架和基于精炼细节注入的遥感图像融合算法，讨论分析了将该算法应用于遥感图像融合的效果。
       第4章论述了基于补偿细节注入的遥感图像融合算法及其应用，介绍了补偿细节提取的关键技术、基于补偿细节注入的遥感图像融合框架和基于补偿细节注入的遥感图像融合算法，讨论分析了将该算法应用于遥感图像融合的效果。
       第5章论述了基于多光谱图像改进的遥感图像融合算法及其应用，介绍了多光谱图像改进关键技术、基于多光谱图像改进的注入模型融合框架和基于多光谱图像改进的注入模型遥感图像融合算法，讨论分析了将该算法应用于遥感图像融合的效果。
       第6章论述了基于光谱及亮度调制的遥感图像融合算法及其应用，介绍了光谱及亮度调制关键技术、基于光谱及亮度调制的遥感图像融合框架和基于光谱及亮度调制的注入模型遥感图像融合算法，讨论分析了将该算法应用于遥感图像融合的效果。
       第7章论述了基于多目标决策的遥感图像融合算法及其应用，介绍了基于多目标决策的遥感图像融合算法关键技术、基于多目标决策算法构建新的光谱调制系数和基于多目标决策的遥感图像融合算法，讨论分析了将该算法应用于遥感图像融合的效果。
       本书由吴磊、杨勇、江训艳著。本书在编写过程中，得到了江西财经大学数字图像处理及机器学习研究团队的关心和支持，同时得到了江西省自然科学基金项目“基于注入模型和迁移学习的遥感图像融合方法研究”（项目编号：20212BAB202028）的经费资助。在此，谨向曾经关心和支持本书编写工作的各方人士表示衷心的感谢！
       由于著者水平有限，书稿虽几经修改，疏漏及不妥之处仍在所难免，热忱欢迎广大读者批评指正。

       著者
       2023年9月
    
                    

第1章 遥感图像融合概述
1.1 遥感图像融合的作用
1.1.1 遥感图像融合的应用背景
1.1.2 遥感图像融合的意义
1.2 遥感图像融合的层级结构
1.3 像素级遥感图像融合算法概述
1.3.1 基于成分替代技术的遥感图像融合算法
1.3.2 基于多分辨率分析技术的遥感图像融合算法
1.3.3 基于模型的遥感图像融合算法
1.3.4 基于人工神经网络的遥感图像融合算法
1.3.5 基于混合技术的遥感图像融合算法
1.3.6 遥感图像融合存在的问题
1.4 遥感图像特性分析
1.4.1 WorldView2卫星图像特性
1.4.2 IKONOS卫星图像特性
1.4.3 QuickBird卫星图像特性
1.5 遥感图像融合质量评价
1.5.1 有参考图遥感图像融合质量评价
1.5.2 无参考图遥感图像融合质量评价
第2章 注入模型
2.1 注入模型概述
2.2 注入模型融合方案
2.3 图像预处理
2.3.1 重采样
2.3.2 直方图匹配
2.4 成分替代技术
2.4.1 亮度色度饱和度(IHS)变换
2.4.2 主成分分析(PCA)
2.5 基于成分替代的注入模型
2.6 多分辨率分析技术
2.6.1 小波变换
2.6.2 滤波技术
2.6.3 稀疏表示理论
2.7 基于多分辨率分析技术的注入模型
第3章 基于精炼细节注入的遥感图像融合算法及其应用
3.1 基于精炼细节注入的遥感图像融合算法及其应用研究现状分析
3.2 细节精炼关键技术
3.2.1 à trous小波变换
3.2.2 引导滤波
3.2.3 稀疏表示
3.2.4 字典学习
3.3 基于精炼细节注入的遥感图像融合算法框架
3.4 基于精炼细节注入的遥感图像融合算法
3.4.1 基于à trous小波变换及引导滤波的高频细节提取
3.4.2 稀疏融合获取初始联合细节
3.4.3 基于自适应权重因子精炼算法获取精炼联合细节
3.4.4 基于边缘信息保护的细节注入
3.4.5 精炼细节性能测试3.5实验结果及其应用分析
3.5.1 仿真图像实验结果及其应用分析
3.5.2 真实图像实验结果及其应用分析
3.5.3 算法综合性能评价
3.5.4 应用示例：算法在城区地物分类管理中的应用
第4章 基于补偿细节注入的遥感图像融合算法及其应用
4.1 基于补偿细节注入的遥感图像融合算法及其应用研究现状分析
4.2 补偿细节提取关键技术
4.2.1 基于补偿细节的注入模型
4.2.2 鲁棒稀疏模型
4.2.3 鲁棒稀疏模型性能
4.3 基于补偿细节注入的遥感图像融合算法框架
4.4 基于补偿细节注入的遥感图像融合算法
4.4.1 鲁棒稀疏模型重建补偿细节
4.4.2 全色图像高频细节提取
4.4.3 补偿细节与全色图像高频细节的联合注入
4.4.4 鲁棒稀疏模型中方形窗尺寸讨论
4.4.5 补偿细节性能
4.5 实验结果及其应用分析
4.5.1 仿真图像实验结果及其应用分析
4.5.2 真实图像实验结果及其应用分析
4.5.3 算法综合性能评价
4.5.4 应用示例：算法用于山川、河流管理
第5章 基于多光谱图像改进的遥感图像融合算法及其应用
5.1 基于多光谱图像改进的遥感图像融合算法及其应用研究现状分析
5.2 多光谱图像改进关键技术
5.2.1 基于多光谱图像改进的注入模型
5.2.2 基于稀疏表示的字典学习
5.3 基于多光谱图像改进的遥感图像融合算法框架
5.4 基于多光谱图像改进的遥感图像融合算法
5.4.1 低空间分辨率多光谱图像性能改进
5.4.2 基于改进的多光谱图像的细节注入
5.4.3 改进的多光谱图像的性能
5.5 实验结果及其应用分析
5.5.1 仿真图像实验结果及其应用分析
5.5.2 真实图像实验结果及其应用分析
5.5.3 算法综合性能评价
5.5.4 应用示例：算法用于林业分类管理
第6章 基于光谱及亮度调制的遥感图像融合算法及其应用
6.1 基于光谱及亮度调制的遥感图像融合算法及其应用研究现状分析
6.2 基于光谱及亮度调制的遥感图像融合算法关键技术
6.2.1 光谱调制
6.2.2 亮度调制
6.2.3 光谱及亮度调制观测模型
6.3 光谱及亮度调制的遥感图像融合算法框架
6.4 基于光谱及亮度调制的遥感图像融合算法
6.4.1 构建光谱调制系数
6.4.2 构建亮度调制系数
6.4.3 光谱调制系数及亮度调制系数性能
6.5 实验结果及其应用分析
6.5.1 仿真图像实验结果及其应用分析
6.5.2 真实图像实验结果及其应用分析
6.5.3 算法综合性能评价
6.5.4 应用示例：算法用于城区地物分类管理
第7章 基于多目标决策的遥感图像融合算法及其应用
7.1 基于多目标决策的遥感图像融合算法及其应用研究现状分析
7.2 基于多目标决策的遥感图像融合算法关键技术
7.2.1 基于光谱亮度调制的注入模型
7.2.2 多目标决策技术
7.3 基于多目标决策的遥感图像融合算法框架
7.4 基于多目标决策的遥感图像融合算法
7.4.1 空间信息增强
7.4.2 多目标决策算法
7.4.3 αPk参数性能
7.5 实验结果及其应用分析
7.5.1 仿真图像实验结果及其应用分析
7.5.2 真实图像实验结果及其应用分析
7.5.3 算法综合性能评价
7.5.4 应用示例：算法用于城区地物分类管理
参考文献

吴磊，博士研究生，现为新余学院数学与计算机学院副教授，主要从事机器学习、软件设计与体系机构、算法分析与设计等教学工作以及图像处理、人工智能和数据挖掘等方面的科研工作。主持和参与江西省自然科学基金项目、江西省教育厅科技重点项目、国家自然科学基金地区项目等科研项目 10 余项。

杨勇，博士研究生学历，CCF 杰出会员、IEEE/CSIG高级会员，原江西财经大学计算机学院教授，现为天津工业大学计算机科学与技术学院教授、博士生导师，主要从事面向对象程序设计、数字图像处理、人工智能等本科和研究生教学工作以及图像处理、机器学习、计算机视觉等方面的科研工作。曾先后担任国家双语教学示范课程“面向对象程序设计”的负责人和国家一流本科专业“计算机科学与技术”建设点的负责人。主持国家自然科学基金项目 4 项、国家社科基金重大项目子课题 1 项等科研项目 20 余项。以第一完成人获吴文俊人工智能自然科学奖、江西省自然科学奖等科技奖励 4 项。

江训艳，博士研究生学历，中国优选法统筹法与经济数学研究会分会理事，现为新余学院数学与计算机学院副教授，主要从事运筹学、计量经济学、数学分析等教学工作以及技术经济及管理、优化决策理论与方法、人工智能等方面的科研工作。主持和参与江西省教育厅科技项目、全国教育科学“十一五”规划（教育部规划）项目、江西省自然科学基金面上项目等科研项目 10 余项。

遥感图像的分辨率直接影响国土资源信息的全面性和准确性，随着遥感技术的发展，遥感图像在国土资源中的应用越来越广泛，国土资源管理对遥感图像的分辨率有了更高的要求。本书基于注入模型从像素级层面开展遥感图像新算法研究，重点是提高遥感图像的融合性能和应用价值，论述了各类新遥感图像融合方法的工作原理、融合性能及在国土资源管理中的应用效果，使读者既能全面了解遥感图像融合概念及其应用价值,又能学到一些新颖有效的遥感图像融合精巧算法。