为了尽可能地保留全色图像的空间信息和多光谱图像的光谱信息，提出了一种基于改进梯度投影非负矩阵分解和复Contourlet变换的遥感图像融合方法.首先，以多光谱图像的强度分量图像为标准，对全色图像做直方图匹配，得到新的全色图像；然后，利用复Contourlet变换分别分解多光谱图像的强度分量图像和新的全色图像，得到各自对应的低频分量和高频分量；接着，对两幅低频分量图像采用改进梯度投影的非负矩阵分解作为融合规则获取新的低频分量，并对两幅高频分量图像使用系数绝对值较大法获取新的高频分量；最后，通过逆复Contourlet变换和逆色调-饱和度-强度变换获得融合后的图像.大量实验结果表明，与HSI方法、NMF与无下采样Contourlet变换结合的方法以及提升小波变换与HSI结合的方法相比，本文方法获得的融合图像具有更高的空间分辨率和更多的光谱信息.

曲波(Curvelet)变换是一种更适合于图像处理的多尺度几何分析 (MGA)方法, 具有很强的方向性。结合 HSI变换将其应用于全色图像和多光谱 (MS)图像融合可以更好地表示图像中的有用特征。首先对多光谱图像进行 HSI变换, 得到亮度分量 I, 对全色图像和 I分量进行曲波变换得到粗尺度系数和细节尺度系数, 对全色图像的粗尺度系数和细节尺度系数进行叠加, 计算归一化的全色曲波系数直方图, 定义边缘有效因子, 利用全色图像的特征信息对融合图像的粗尺度系数进行处理, 对细节尺度系数采用函数对弱边缘进行增强, 对新的曲波系数设计融合规则进行融合, 逆变换后得到新的亮度分量 Inew, 用 Inew替代原亮度分量 I进行逆 HSI变换得到最终融合结果, 采用统计类指标对融合结果进行评价。实验结果表明, 该方法在保持光谱信息和提高空间分辨率上都有较好的效果。

曲波变换是一种更适合于图像处理的多尺度几何分析方法, 具有比小波变换更强的方向选择和辨识能力, 而且对图像边缘的表达更优于小波.结合色度饱合度亮度变换将其应用于合成孔径雷达图像和多光谱图像融合可以更好地表示图像中的有用特征.首先对多光谱图像进行色度饱合度亮度变换, 得到亮度分量I, 对雷达图像和I分量进行曲波变换得到粗尺度系数和细节尺度系数;将雷达图像的粗尺度系数和细节尺度系数进行叠加, 计算归一化的曲波系数直方图, 定义边缘有效因子, 利用合成孔径雷达图像的特征信息将曲波变换系数分为均匀区、非均匀区和亮点目标区.然后采用相应的融合规则对融合图像的粗尺度系数进行处理, 对细节尺度系数采用简单的直接取大方法, 逆变换后得到新的亮度分量.用新的亮度分量替代原亮度分量进行逆色度饱合度亮度变换得到最终融合结果, 利用统计类指标对融合结果进行评价.实验结果表明, 该方法在保持光谱信息和提高空间分辨率上都有较好的效果.