在基于非二次采样轮廓波变换（NSCT）的常规融合方法中，图像的低频子带系数无法稀疏地表达图像的低频信息，不利于提取源图像特征。 针对这一问题，提出了一种基于NSCT和联合稀疏表示（JSR）的红外可见图像融合方法，该方法对图像的低频信息进行JSR变换，有利于提高包含主能量的低频子带的稀疏性。图像对于高频信息，使用特征积作为融合规则有利于提取源图像的​​细节特征。 实验结果表明，与传统的基于多尺度变换的DWT，基于NSCT的融合方法以及基于稀疏表示的SR和JSR算法相比，该方法具有更好的融合效果，能

本文提出了一种新的基于联合稀疏表示的图像融合方法。 由于传感器观察到相关现象，因此源图像有望具有共同的和创新的特征。 我们使用稀疏系数作为图像特征。 通过联合稀疏表示，用公共稀疏系数和创新稀疏系数表示源图像。 因此，稀疏系数由创新系数的平均绝对值加权。 此外，由于稀疏表示在图像去噪算法的开发中已经取得了很大的成功，因此我们的方法可以同时执行图像去噪和融合，而图像会受到加性噪声的破坏。 实验结果表明，该方法在多个指标以及视觉质量上均优于其他方法。

遥感场景类别的语义词向量与图像特征原型的距离结构不一致问题,严重影响遥感场景零样本分类效果。针对该问题,利用不同词向量间一致性,提出一种基于解析字典学习的语义词向量融合方法,以提升遥感场景零样本分类效果。首先,采用解析字典学习方法,提取场景类别的不同词向量的公共稀疏系数,并作为融合后的语义词向量;然后,同样采用解析字典学习方法,将场景类别的图像特征原型嵌入到融合后的词向量空间,与融合后的词向量进行结构对齐,降低距离结构的不一致性;最后,通过联合优化获得未知类的图像特征空间类别原型表示,并采用最近