将同一区域低分辨率的多光谱影像与高分辨率的全色影像进行融合生成高分辨率的多光谱影像。利用Pansharp融合方法，基于最小二乘法原理计算多光谱影像和全色影像之间的灰度值关系，采用最小方差技术实现融合波段灰度值的最佳匹配，并通过调整单个波段的灰度分布以降低融合影像的颜色偏差
[14]。
对融合后的影像进行评价，其中（i, j）为融合影像F在像素点（i, j）处的灰度值，A（i, j）为原多光谱影像在像素点（i, j）处的灰度值，与μF和μA分别表示融合影像与源影像的灰度平均值。L表示影像的最大灰度级；P
i为影像像素点的灰度值为
i的概率。M和N为影像F的大小
[15-16]。具体方法如下：
（1）均值（μ）
\[\mu =\frac{1}{M\times N} {\textstyle \sum_{i=1}^{M}} {\textstyle \sum_{j=1}^{N}} F\left ( i,j \right ) \]
(1)
式（1）中，μ值越大，表示融合后影像的整体亮度越高。
（2）标准差（σ）
\[\sigma =\sqrt{\frac{ {\textstyle \sum_{i=1}^{M}} {\textstyle \sum_{j=1}^{N}}\left ( F\left ( i,j \right ) -u ^{} \right ) ^{2} }{M\times N} } \]
(2)
式（2）中，σ值越大，表示图像融合效果越好，信息越丰富。
（3）相关系数（r）
\[r=\frac{ {\textstyle \sum_{i=1}^{M}} {\textstyle \sum_{j=1}^{N}} \left ( F\left ( i,j \right ) -\mu F \right )\left ( A\left ( i,j \right ) -\mu A \right ) }{ {\textstyle \sum_{i=1}^{M}} {\textstyle \sum_{j=1}^{N}} \left ( F\left ( i,f \right ) -\mu F \right )^{2} \left (A\left ( i,j \right )-\mu A \right )^{2} } \]
(3)
式（3）中，r为融合后影像与原影像之间的相关程度和光谱信息改变程度，r值越大，光谱变化程度越小。
（4）偏差指数（dc）
\[dc=\frac{1}{M\times N} {\textstyle \sum_{i=1}^{M}} {\textstyle \sum_{j=1}^{N}} \frac{\left | F\left ( i,j \right )-A\left ( i,j \right ) \right | }{A\left ( i,j \right ) } \]
(4)
式（4）中，dc值越大，则融合后影像失真度较高，融合效果不理想。
（5）平均梯度（G）
\[G=\frac{1}{\left ( M- 1 \right )\times \left ( N- 1 \right )} \times {\textstyle \sum_{i=1}^{M-1} {\textstyle \sum_{j=1}^{N-1}}\frac{\sqrt{{\left [ \frac{\partial F\left ( i,j \right ) }{\partial i} \right ] ^{2} } \left [ \frac{\partial F\left ( i,j \right ) }{\partial j} \right ] ^{2} }}{\sqrt{2} } } \]
(5)
式（5）中，G值越大，则融合后影像细节和纹理显示越清晰。
（6）信息熵（h）
\[h=- {\textstyle \sum_{i=1}^{L}} P_{Ai} log_{2} \frac{P_{Ai} }{P_{Fi} } \]
(6)
式（6）中，h是衡量影像中信息丰富程度，h值越小，则融合后影像信息量越丰富。
基于定性和定量两种评价方法，利用Pansharp方法融合后影像质量效果较好，影像在光谱丰富度和纹理细节上表现更清晰，色彩和光谱程度较低，信息量保持丰富，地物特征对比更明显（图2、图3所示）。具体而言，融合后影像的均值、标准差和平均梯度值均偏大，影像质量效果较好；光谱偏差指数值整体较低，光谱信息保持失真较小；相关系数值整体偏大，保留了较好的融合信息；影像信息熵值相对较小，具有精细的融合效果和丰富的信息量。
