典型的图像融合方法也是比较简单的图像融合方法，但也是目前应用最广泛的图像融合方法。 目前，常用的颜色模型一种是通常采用的红、黄、绿(RGB)三原色模型。另外一种广泛应用的颜色模型是强度、色调、饱和度(IHS) 颜色模型。IHS颜色模型适合于人的直觉的配色方法，因而成为彩色图像处理最常用的颜色模型。强度表示光谱的整体亮度大小，对应于图像的空间分辨率，色调描述纯色的属性，决定与光谱的主波长，是光谱在质的方面的区别，饱和度表征光谱的主波长在强度中的比例，色调和饱和度代表图像的光谱分辨率。传统的 IHS 图像融合方法基本思想是将 IHS 空间中的低分辨率亮度成分I0用具有较高空间分辨率的灰度图像的亮度成分 I 所代替。 与RGB模型相比，IHS模型更加符合人眼描述和解释颜色的方式，同时由于I、H、S三个基本特征量之间相互独立，因此，IHS模型经常被用于基于彩色描述的图像处理方法中，从而将彩色图像中携带的彩色信息(色调和饱和度)和无色光强信息(亮度)分开处理。 IHS空间图像融合方法利用IHS模型在表示彩色图像方面的优势，常被用于对遥感图像的融合处理。在遥感数据集中，由不同传感器获取的影像数据在几何、光谱和空间分辨率等方面存在着一定的局限性和差异性，例如多光谱图像的光谱分辨率较高，但空间分辨率较低，而全色图像具有高空间分辨率，但光谱分辨率较低。 为了保留多光谱图像光谱信息的同时增强其空间分辨率，可以在IHS空间融合低空间分辨率的多光谱图像和高空间分辨率的全色图像，将多光谱图像从RGB图像模型转换到IHS模型，并在IHS空间中将反应多光谱图像空间分辨率I的分量与全色图像进行融合处理，再将融合结果反变换回RGB空间，即可得到融合后空间分辨率被提高的多光谱图像。 IHS 变换公式 IHS 变换算法流程 基于 IHS 空间的图像融合方法的一般步骤为: ① 将多光谱图像的 R 、G 、B 三个波段转换到IHS 空间，得到 I 、H 、S 三个分量; ② 将全色图像与多光谱图像经 IHS 变换后得到的亮度分量 I ，在一定的融合规则下进行融合，得到新的亮度分量(融合分量) I’ ; ③ 用第 2 步得到的融合分量 I’ 代替亮度分量，并同 H 、S 分量图像一起转换到 RGB 空间，最后得到融合图像。 在上述步骤中，第 2 步的融合规则可以选取直方图匹配法，以 I 分量图像为参考，对全色图像进行直方图匹配，使得匹配后的图像 Inew 与原多光谱图像保持较高的相关性，然后用 Inew 分量替换多光谱图像中原来的 I 分量，再转换到 RGB 空间，得到最终的融合结果。传统的 IHS 变换融合方法虽然大大提高了融合图像的空间分辨率，但它存在严重的光谱畸变现象。IHS 变换可以提高影像的地物纹理特性，增强其空间细节表现能量，但是由于在变换中 I 分量被高分辨率全色影像取代，因此变换的结果会产生较大的光谱失真，融合后图像识别精度不高。