针对单模型评价图像质量容易产生过拟合的问题, 提出基于多模型融合的高光谱图像质量评价算法。以图像噪声、模糊度和云含量为降质特征, 建立遥感图像主观评价库, 分别选用支持向量回归方法和集成决策树方法对带有评价值的训练集图像建立质量评价单模型。将两个单模型评价结果线性回归拟合, 得到模型融合的图像质量评价结果。同时, 以广义回归神经网络模型作为参照, 分别从均方误差、回归拟合指标、分类准确率、训练时间4个方面对几种模型进行对比。实验结果表明, 所提模型融合算法具有较高的拟合精度、较强的泛化能力, 并

针对目前遥感图像融合不能为有效兼顾多光谱图像的光谱信息和全色图像的空间信息导致融合图像质量不佳的问题，提出基于结构稀疏表示与细节注入的遥感图像融合方法。该方法首先采用双重稀疏表示分别获取全色遥感图像对应的高、低频结构化字典；其次，通过该字典对全色遥感图像进行稀疏表示，得到其高频细节信息；最后通过细节注入模型（ARSIS）将全色图像中的细节信息融入低分空间辨率的多光谱遥感图像。实验结果表明，与传统基于稀疏表示以及细节注入模型的融合方法相比，本文方法能更好的兼顾融合图像的空间与光谱分辨率，在视觉效果