地理信息系统文献翻译——摘要：本文中提出了一种基于模型的可调节的全色与多光谱影像融合方法，我们用影像观测模型建立理想高空间分辨率高光谱影像与低空间分辨率多光谱影像和高空间分辨率全色影像之间的关系，用最大后验估计框架来描述影像融合的逆向求解问题，通过概率密度函数，利用梯度下降法求解融合影像。另外，定义两种功能函数在每一步的迭代中自适应的进行正则化参数的确定，用trad_off参数在增强空间分辨率和保持光谱分辨率之间进行调节，我们用QUICKBIRD和IKONOS影像数据对这种方法进行了实验，通过定量评价指标证实，这种方法和传统的融合方法相比更为有效。

关键词：可调节影像融合，基于模型，最大后验估计，遥感

1 介绍 

由于遥感器物理条件的限制和其它因素的影响，我们获取的影像经常存在误差和模糊现象，尽管单一的影像复原技术能够增强影像的清晰度，但是它们只能恢复由衍射限制决定的截止频率下的信息，影像融合技术能够综合不同影像的互补信息，得到更加详细的影像细节信息，例如，多光谱影像和全色影像进行融合来提高多光谱影像的空间分辨率。

到目前为止，文献中已经提出了很多的全色/多光谱影像融合方法，通常，这些现存的方法可以分为几个基本的类别。算术运算的方法、组分替换的方法、高频信息注入的方法、混合分析方法、基于模型的方法和混合方法。算术运算的方法是最早也是最为简单的融合方法，基于算术的全色/多光谱影像融合方法有加权融合方法、相乘融合方法和Brovey融合方法等。组分替换的方法是，先将多光谱影像变换为其它的空间，然后将全色影像或其他高空间分辨率影像替换得到的新的组分，其中IHS变换和主成分分析（PCA）融合是应用最为广泛的方法。FSTR(光谱响应函数)、UNB_pansharp和Gram-Schmidt（GS）也属于组分替换的方法。HFII方法是将首先提取全色影像的高频信息，然后将该高频信息添加到多光谱影像，Ranchin 和 Wald将这种方法叫做“ARSIS”（法语缩写），许多的HFII方法是基于多分辨率分析，像拉普拉斯金字塔方法、小波变换、Curvelet变换、Contourlet变换。其它的HFII方法在将高频信息添加到低分辨率多光谱影像之前，并不进行任何形式的高频率信息的变换，包括高通滤波、基于强度调制的平滑滤波。Ehlers方法是将IHS 组分变换方法和HFII方法结合在一起到混合方法，混合分析方法将光谱分解引入到融合方法中，典型的混合分析方法有基于线性混合模型融合方法和基于随机混合模型的融合方法。

上面介绍的所有的融合方法并没有在观测影像和理想影像间建立起明确的关系，最近受影像复原和超分辨率技术的启发（影像融合的另一个分支），研究者们已经提出了一些基于模型的多光谱/全色影像融合方法。这些方法基于建立的影像模型，并且将融合过程看做是逆向求解的最优化问题，因此它们有很强的理论框架，Marcia等人用凸集投影（POCS）应用于多光谱/全色影像的融合问题，这种方法在主要和辅助影像之间允许......

Abstract — In this paper, an adjustable model-based image fusion method for multispectral (MS) and panchromatic (PAN) images is developed. The relationships of the desired high spatial resolution (HR) MS images to the observed low spatial resolution (LR) MS images and HR PAN image are formulated with image observation models. The maximum a posteriori (MAP) framework is employed to describe the inverse problem of image fusion. By choosing particular probability density functions (PDF), the fused HR MS images are solved using a gradient descent algorithm. In particular, two functions are defined to adaptively determine most regularization parameters using the partially fused results at each iteration, retaining one parameter to adjust the trade-off between enhancement of spatial information and maintenance of spectral information. The proposed method has been tested using QuickBird and IKONOS images and compared to several known fusion methods using quantitative evaluation indices. The experimental results verify the efficacy of this method.

Index Terms — Adjustable image fusion, model-based, maximum a posteriori (MAP), remote sensing. 

I. Introduction

 Due to the limits of sensor performance and/or other factors, the acquired images are often aliased and blurred. Although the single-based restoration techniques [1, 2] have the performance to increase the image definition, they only can recovery the information below the cut-off frequency determined by the diffraction limit. In order to get more image details, image fusion techniques are often used to integrate the complementary information among different images [3-7]. For example, multi-spectral (MS) images are often fused with a panchromatic (PAN) image to increase the spatial resolution.

So far, various MS/PAN fusion methods have been presented......