摘要：为提升全色图像和多光谱图像的融合效果，该文提出基于优化字典学习的遥感图像融合方法。首先将经典图像库中的图像分块作为训练样本，对其进行K均值聚类，根据聚类结果适度裁减数量较多且相似度较高的图像块，减少训练样本个数。接着对裁减后的训练样本进行训练，得到通用性字典，并标记出相似字典原子和较少使用的字典原子。然后用与原稀疏模型差异最大的全色图像块规范化后替换相似字典原子和较少使用的字典原子，得到自适应字典。使用自适应字典对多光谱图像经IHS变换后获取的亮度分量和源全色图像进行稀疏表示，把每一个图像块稀疏系数中的模极大值系数分离，得到极大值稀疏系数，将剩下的稀疏系数称为剩余稀疏系数。针对极大值稀疏系数和剩余稀疏系数分别选择不同的融合规则进行融合，以保留更多的光谱信息和空间细节信息，最后进行IHS逆变换获得融合图像。实验结果表明，与传统方法相比所提方法得到的融合图像主观视觉效果较好，且客观评价指标更优。

关键词：遥感图像融合 k均值聚类 自适应字典 稀疏表示 融合规则 

单位：太原理工大学大数据学院; 太原030024; 太原理工大学电气与动力工程学院; 太原030024; 太原理工大学信息与计算机学院; 太原030024