提出了一种基于稀疏非负矩阵分解的全色影像锐化方法。非负矩阵分解将一个非负的矩阵分解为左右两个非负矩阵的乘积，不仅反映了人类思维中”局部构成整体”的概念，而且要求分解后的所有分量均为非负值，使得数据分解后的矩阵具有严格的物理含义。将稀疏表示理论与非负矩阵分解模型应用于多光谱影像与全色影像，首先从全色影像学习出一个高分辨字典和相应的低分辨字典，构造多光谱影像的稀疏非负矩阵分解模型，在低分辨字典下获得光谱系数矩阵，将该系数矩阵与高分辨字典相乘得到融合后的高分辨多光谱影像。稀疏正则项的引入有效克服了标准非负矩阵分解算法的不稳定现象，能够较好地保持影像的光谱信息和空间信息。