遥感卫星已成为数据获取的主要方式之一,因其搭载的不同传感器的成像方式不同,从而造成获取的影像数据也是不同的,如何有效结合这些多源数据进行地物信息提取已经成为当前研究的重点之一。多源遥感数据融合技术成为了一种有效手段,它能够综合利用各种影像数据全面提取地物信息。同理,无人机航片和卫星影像的成像方式不同,影像数据特点不同,无人机航片空间分辨率高于卫星影像但是光谱信息缺乏,卫星影像是由多个通道获取影像,影像具有丰富的光谱信息。然而,信息提取时研究人员一般都希望影像具有分辨率高,光谱信息丰富,空间细节丰富的特点,但是航片和卫片包括了其中一部分的特点,因此,我们将航片和卫片进行融合处理后提取地物信息,获得的融合影像具有信息互补,分辨率高,光谱信息丰富,空间细节丰富等特点,提高了遥感影像地物提取的精度。可知将无人机航片和高分辨率卫星影像进行融合具有非常好的应用前景和研究价值。本文主要是针对国产高分辨率卫星多光谱影像和无人机航片的快速融合方法进行研究,通过前期理论学习和相关文献的阅读,本文主要做了以下几个方面的研究工作:(1)系统全面地分析目前遥感卫星与卫星影像融合算法的发展情况,及这些融合算法的优缺点,另外,总结分析遥感卫星影像和无人机航片融合现状,探讨融合算法存在的问题。(2)探讨了四种传统的遥感影像融合方法:IHS(Intensity-Hue-Saturation)融合方法、小波变换融合法、PCA(Principal Component Analysis)变换融合法以及Gram-Schmidt(GS)光谱锐化融合法方法。本文介绍以上四种遥感影像融合方法的原理及融合方法,并且进行融合仿真实验,并对各方法的优缺点进行分析。(3)针对IHS融合时如何选取无人机航片中的波段代替强度分量I这一问题,本文提出一种选取最优波段的方法,改进了IHS变换融合方法。在Matlab环境中编程完成融合算法实验,从光谱扭曲度、空间失真度、光谱映射角、融合质量评价以及融合影像相关性五个方面对融合影像进行评价。实验结果表明:提出的方法一定程度上优化了原始IHS变换融合方法和PCA变换融合方法融合过程中造成的光谱损失,扭曲程度较大的缺点。(4)为了获得基于无人机航片和卫星影像的最优的融合影像,提出了一种有效融合无人机航片和高分辨率多光谱卫星影像的算法。首先,根据卫星影像灰度信息计算脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的分割参数Ve;其次,使用无人机航片波段之间的相关性将无人机航片降维为单波段无人机航片;然后通过PCNN分割多光谱影像,并且对分割层进行边缘处理;最后,计算多光谱影像和单波段无人机航片的注入权重,以重建具有丰富光谱和空间信息的新多光谱影像。使用各种高分辨率图像(GaoFen-2和GaoFen-1和UAV航片)对提出的算法进行了评估。通过对本文算法与几种经典融合方法的比较,研究表明该方法在融合遥感影像和无人机航片方面是有效的。(5)针对无人机航片分辨率高,纹理信息清晰,但光谱信息不足,不利于无人机航片在后期应用中的解译的问题,提出了一种基于PCA变换的新的融合方法(IPCA)。首先,通过无人机航片各波段的直方图分析无人机航片的特点,从而构建包含丰富纹理信息和光谱信息的单波段无人机航片,然后,用重构的单波段影像代替PCA变换过程中的第一主成分,最后,进行PCA逆变换,最终获得具有亚米级空间分辨率和高光谱分辨率的融合影像。实验测试表明该方法能够有效的减少光谱扭曲和保持纹理细节。