matlab代码：有蓝、绿、红、近红外四个波段多光谱400*400的bmp遥感图象以及1600*1600的全色遥感，图象参照成分替换和多分辨率分析融合的方法，进行遥感图像融合

以下是使用 Matlab 进行遥感图像融合的示例代码：

% 读取多光谱图像和全色图像
multi = imread('multispectral.bmp');
pan = imread('panchromatic.bmp');

% 定义参照成分替换的权重矩阵
weights = [0.25, 0.25, 0.25, 0.25];

% 参照成分替换
fused1 = zeros(size(multi));
for i = 1:4
    fused1(:,:,i) = weights(i) * pan + (1 - weights(i)) * multi(:,:,i);
end

% 多分辨率分析融合
fused2 = zeros(size(multi));
for i = 1:4
    % 将全色图像重采样到与多光谱图像相同大小
    pan_resized = imresize(pan, size(multi(:,:,i)));
    
    % 对多光谱图像进行小波变换
    [cA, cH, cV, cD] = dwt2(multi(:,:,i), 'haar');
    
    % 对全色图像进行小波变换，并保留低频分量
    [cA_pan, ~, ~, ~] = dwt2(pan_resized, 'haar');
    
    % 将多光谱图像的低频分量替换为全色图像的低频分量
    fused2(:,:,i) = idwt2(cA_pan, cH, cV, cD, 'haar');
end

% 显示结果
figure;
subplot(2,2,1); imshow(multi(:,:,1:3)); title('多光谱图像');
subplot(2,2,2); imshow(pan); title('全色图像');
subplot(2,2,3); imshow(fused1); title('参照成分替换融合');
subplot(2,2,4); imshow(fused2); title('多分辨率分析融合');

在上面的代码中，我们首先使用 `imread` 函数读取多光谱图像和全色图像。然后，我们使用参照成分替换和多分辨率分析两种方法进行遥感图像融合。

在参照成分替换的方法中，我们定义一个权重矩阵，将全色图像和多光谱图像的各个波段按照权重进行加权平均。具体地，我们使用一个循环，将每个波段的全色图像和多光谱图像按照权重进行线性组合，得到融合后的图像。

在多分辨率分析的方法中，我们先将全色图像重采样到与多光谱图像相同大小，然后对多光谱图像的各个波段进行小波变换。接着，我们对全色图像进行小波变换，并保留低频分量。最后，将多光谱图像的低频分量替换为全色图像的低频分量，得到融合后的图像。

需要注意的是，这里的代码仅为示例代码，实际应用中可能需要根据具体情况进行调整和优化。