在本文中，我们将投影替换与ARSIS（“全称”的缩写，“通过结构注入改善空间分辨率”，即通过结构注入提高空间分辨率”）概念假设相结合，以融合全色（PAN）和多光谱（MS）图片。 首先使用支持值过滤器（SVF）建立新的多尺度模型（MSM），使用支持向量变换（SVT），然后采用自适应主成分分析（APCA）通过统计方法选择MS图像的主成分测量MS和PAN图像之间的相关性； 其次，使用局部方法来检查结构是否应出现在新的主成分中，并且在插入MS模态之前，通过高分辨率带间结构模型（HRIBSM）对PAN高频结构进行转换。 因为SVT是具有移位不变属性的未抽取，二进位和混叠变换，所以融合图像可以避免采样时产生的振铃效果。 此外，ARSIS概念可以充分利用遥感物理学来减少结构注入中的空间和频谱失真。 纹理提取还用于避免由于将低通分量错误注入MS图像而导致的频谱失真。 包括视觉和数值评估在内的实验结果也证明了该方法相对于同类方法的优越性。
