中文摘要：

遥感影像融合与复杂背景下的目标识别技术具有重要的理论和应用价值。全色与多光谱通道图像的融合可以提高遥感影像解译的质量。目前研究较多的基于非抽样的多分辨率分析方法虽然效果较好，但具有较高的空间和时间复杂度。本研究基于变分框架融合全色与多光谱通道图像，能够快速、有效地提高多光谱通道的空间分辨率、保持多光谱通道之间的相关性以及融合后图像与原通道图像之间的相关性。遥感影像中复杂背景下目标的识别是一个难题，本研究将对目标理解的先验知识引入变分框架，定义带先验形状约束的活动轮廓模型以分割数据缺失、遮挡、变光照等复杂条件下的感兴趣目标，基于区域、边界、先验形状等信息构造水平集方程，使用窄带或图割方法以实现快速数值计算。本研究的成果可应用于高分辨率卫星数据的处理与应用，复杂条件下军事目标的识别与分析。

结论摘要：

全色与多光谱波段图像的融合能够提高遥感影像解译的质量，将先验知识引入变分框架，能够获取数据缺失、遮挡、变光照等复杂条件下感兴趣目标的轮廓。研究了变分融合算法，主要包括（1）在快速变分Pan-sharpening模型中抽取全色图像的空间细节并注入到多光谱图像，同时保持多光谱波段的光谱特性以及各个波段之间的相关性；（2）根据应用任务需求，通过调节泛函各个能量项的权重系数，生成高空间分辨率或高光谱分辨率的多光谱融合图像；（3）根据多光谱波段的调制传输函数设计低通滤波器并引入到融合模型中，提高了融合图像的光谱质量；（4）在变分PCA和基于模型优化的融合算法中引入光谱保真约束，有效提高了融合图像的光谱质量；（5）在小波域基于变分方法生成融合图像的近似和高频系数，提高了融合图像的结构相似性；（6）将图像模型与稀疏表示耦合，通过字典学习和能量泛函优化，生成兼具高空间和高光谱分辨率的融合图像。研究了变分分割算法，主要包括（1）在SAR图像模型中引入高分辨率光学影像建筑物的轮廓作为先验，约束形变曲线的演化，提高了建筑物轮廓的分割精度；（2）在核空间中构建先验形状，自适应地选择模型参数，提高了分割模型的鲁棒性；（3）在保持先验形状模型具有旋转、缩放和平移不变性的基础上，增加了X、Y方向拉伸以及剪切等形变，增强了先验形状对目标变化的自适应性；（4）抽取近岸和近海水体的光谱特征，结合边缘信息，在水平集框架下获取高精度的水边线轮廓；（5）在变分框架中引入光谱先验和形状先验等知识，显著提高了飞机、水边线等遥感目标的分割精度。研究工作的成果可应用于高分辨率卫星图像数据的去噪、全色与多光谱波段图像的融合及复杂背景下感兴趣目标的识别、分析与跟踪。