为了提高融合后多光谱(MS)图像的质量，提出一种基于稀疏表示的遥感图像融合方法。建立MS图像与其亮度分量之间的线性回归模型；利用训练的高、低分辨率字典分别对全色图像和MS图像进行稀疏表示，并根据线性回归模型获得MS图像亮度分量稀疏表示系数；根据全色图像和亮度分量的稀疏表示系数提取细节成分，并在通用分量替换(GCOS)融合框架下注入到MS图像各波段的稀疏表示系数中；进行图像复原得到高空间分辨率的MS图像。由于稀疏表示可有效地刻画信号的内部结构与特征，融合后的MS图像能够在提高空间分辨率的同时，较好

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