针对气缸盖内壁热场数据重复率高、冗余大导致的小采样率下影像难以重构的问题，利用多个单尺度重构影像的融合，提出一种适用于小样本的气缸盖内壁热疲劳损伤检测方法。该方法首先通过对不同尺度下内壁热场散斑图案与其外壁总辐射能的关联运算，来获得缸盖内壁的多个重构影像，然后利用图像融合技术对不同尺度下的内壁重构影像进行融合，获得缸盖内壁的融合影像。通过对不同采样率下内壁影像重构结果的对比分析，说明了所提方法在小采样率影像重构中的优势。同时，还讨论了不同融合权重系数对融合影像的影响。实验结果表明：所提方法可在较低采样率下实现对内壁热疲劳损伤区域的检测；当采样次数为500时，较传统关联方法，所提方法的峰值信噪比和对比度分别提升了9.62%和26.13%；此外，所提方法在延缓重构影像质量下降方面也有独特优势，有效打破实际工程中数据获取有限所导致的热疲劳损伤检测无法实现的困局。

针对高分遥感影像融合存在影像间相关性差、融合亮度差异明显的问题，提出了一种基于非下采样剪切波变换（NSST）的国产高分全色与多光谱遥感影像融合方法。选取高分一号、高分二号和高分七号遥感影像作为实验数据，通过强度-色调-饱和度（IHS）提取多光谱影像的亮度分量；利用NSST算法对亮度分量和全色影像提取高频和低频信息，并充分考虑高频和低频之间的关系，设计有效的影像融合策略；最终采用IHS和NSST得到融合影像。与Brovey、Gram-Schmidt（GS）、Hue-Saturation-Value（HSV）、Co-occurrence filtering（COF）等方法对比验证，通过主观和客观评价相结合的方式对融合影像进行综合评价，结果表明所提方法是一种可行的遥感影像融合方法。

针对遥感数据很难同时满足高空间分辨率和高光谱分辨率的问题，提出了一种基于四叉树自适应分块的面到点的回归克里金法（QAATPRK），对高分-1（GF-1）的全色（PAN）和多光谱（MS）数据进行融合。所提方法基于面到点的回归克里金法，将整个影像分割为多个独立的融合单元并分别融合，然后将结果拼接。对于每个融合单元，使用高分辨率PAN影像的空间信息回归建模，使用回归克里金法处理残差。将所提方法与Principal Component Analysis （PCA）法、小波变换法、Intensity-Hue-Saturation and Gram-Schmidt （IGS）法、密集连接网络法进行了比较。均方根误差（RMSE）、结构相似性系数（SSIM）、通用图像质量指数（UIQI）、全局综合误差（ERGAS）和光谱角（SAM）等指标表明，所提方法的融合影像质量最好，且保持了MS影像的光谱特性。

针对现有基于深度学习的SAR辅助下光学图像去云方法对光学图像纹理、光谱信息考虑不足,导致去云后影像往往存在模糊、光谱损失等现象,根据杭州市余杭区哨兵一号(Sentinel-1)和哨兵二号(Sentinel-2)卫星影像,构建了SAR辅助下光学图像去云数据库,并充分考虑光学遥感图像的细节、纹理以及色彩信息,建立了基于条件生成对抗网络(conditional generative adversarial network, cGAN)的SAR辅助下的光学遥感图像去云模型,实现了SAR辅助下光学图像薄云、雾、厚云等覆盖下地物信息的有效复原与重建。实验结果表明,所提方法可有效实现SAR辅助下的光学图像去云,相比于其他方法具有更优性能。

为了提高光学分子影像与计算机断层扫描(CT)影像的耦合图像质量,基于自由曲面光学技术建立了光学分子影像与CT影像肿瘤病灶组织的自由曲面光学通道,实现了双模态影像融合显示。采用肿瘤病灶组织的微进、多空间、多焦点自由曲面光学曲面镜头与成像面的设计方法,建立双模态影像融合镜头与成像面的微分方程,解出病灶组织自由曲面的光学曲面光焦度变化曲线。采用反求工程中的自由曲面光学重构技术,对病灶组织自由曲面的光学通道曲面进行离散和重建,提高了光学分子影像与CT影像双模态融合的图像质量。采用自由曲面光学通道技术融合显示光学分子影像与CT影像双模态影像的方法合理可行,提高了融合影像信号的清晰度与信噪比。

全极化合成孔径雷达(SAR)具有丰富的极化信息, 对地物识别具有显著优势, 提出了一种顾及极化特征的SAR与中分光学影像融合的方法, 对全极化SAR影像进行极化目标分解, 采用改进的色度、饱和度、明度(HSV)变换方法融合极化特征波段与中分光学影像, 并基于面向对象的方法对融合影像进行地物分类。结果表明, 该融合方法优于传统单极化SAR与中分光学影像的HSV融合方法, 能够有效利用全极化SAR的极化纹理信息。面向对象分类方法能够降低SAR对融合影像的斑点噪声影响, 地物总体分类精度优于高分光学影像, 且对于极化信息敏感的地物, 其分类精度明显优于高分光学影像。

多源遥感影像融合中，通常不同地物区域对光谱特征和空间细节信息的要求有所不同。针对该特点，提出了一种 IR(自适应半径搜索 )显著性分析模型，实现了对多源遥感影像显著性区域和非显著性区域的识别与划分。结合 HIS与小波变换融合算法，提出了改进的自适应平均梯度加权 HIS融合方法，实现了对道路、农田、居民区等显著性区域的融合，更好的保留了其丰富的空间细节信息；同时提出了 HIS+WT变换的融合方法，实现了对山地、林地等非显著性区域的融合，保留了较多的光谱信息。以此实现了分区域的自适应遥感影像融合。实验结果表明，本文方法能够使融合后的遥感影像既能保持较高的空间细节表现能力，又能很好地保留其光谱信息。对农业科学、森林规划以及今后森林遥感影像分类、识别等研究提供了一定的理论基础与应用价值。

多光谱/全色影像融合可以得到高空间分辨率的多光谱影像, 在影像解译和分类等方面具有十分重要的意义。 提出一种基于梯度一致性约束的遥感影像融合方法。 该方法在最大后验概率框架下, 通过梯度一致性约束建立理想高空间分辨率多光谱影像和全色影像之间的关系, 并结合多光谱影像观测模型和Huber-Markov影像先验, 构建融合目标函数, 最后采用梯度下降法求解得到融合影像。 本文方法在目标函数中引入了梯度一致性约束, 克服了现有的同类方法受限于波段数量的缺陷, 同时在求解中自适应确定每个波段的迭代步长, 充分顾及了各波段的光谱特性, 从而既确保了融合影像的光谱信息保真度, 也提高了融合影像的空间信息融入度。 通过IKONOS和WorldView-2影像对该方法进行了验证, 并和GS, AIHS和AMBF等融合方法从定性和定量两方面进行了比较分析。 实验结果表明, 相比于其他方法, 该方法可以在更好保持光谱信息的同时增强影像的空间分辨率, 具有更广泛的适用范围和更佳的融合效果。

提高高分辨率影像之间的空间信息融入度和光谱信息保真度是当今高光谱影像融合研究的热点问题。 本文结合EO-1卫星的Hyperion高光谱影像与ALI高空间分辨率波段, 针对最大限度地克制光谱信息失真与光谱形态变化等问题, 提出了高光谱影像的谐波分析融合(HAF)算法和融合影像光谱信息保真度评价的导数光谱差值信息熵(DSD-IE)模型。 通过计算和评价采样像元样本的导数光谱差值曲线信息熵、 平均梯度和标准差等参量, 同时比较主成分分析(PCA)、 Gram-Schmidt(GS)和小波分析等方法的高光谱融合影像, 证实了基于HAF的高光谱影像融合结果具有较高的空间信息融入度和光谱信息保真度, 在空间信息和光谱信息的可靠性、 准确性和实用性等方面都明显优于其他传统的高光谱影像融合方法。

针对传统的像素级融合方法对高分辨力影像融合存在较大光谱扭曲的问题，在分析了Geoeye-1 传感器光谱响应特性的基础上，提出了一种适合Geoeye-1 全色与多光谱影像融合的高保真方法。本文所提的方法的改进之处主要体现在两个方面：低空间分辨力全色影像的构建方式和空间细节信息注入系数的选取。利用澳大利亚霍巴特地区的Geoeye-1 全色和多光谱影像进行了试验研究，从主观评价和定量分析综合评价了新方法与传统的影像融合方法的融合效果，结果表明新方法在光谱信息损失最少的情况下，较大地提高了影像的空间分辨力，与其他方法相比具有更好的综合性能。