全色锐化被定义为融合全色（panchromatic,PAN）图像中的空间信息和多光谱（multispectral ,MS）图像中的光谱信息，用于生成具有高空间分辨率和高光谱分辨率的多光谱图像。在这项工作中，我们提出了一种基于多序列卷积循环网络（multi-sequence convolutional recurrent network ,MCRNN）的全色锐化。据我们所知，这是第一次成功地使用循环神经网络 (recurrent neural network ,RNN) 来提高全色锐化的性能。提出的 MCRNN 包含两个子网络，即一个浅层特征提取子网络和一个深度特征融合子网络。在浅层特征提取子网络中，PAN 和 MS 图像在光谱维度上作为多序列数据进行叠加。然后，使用基于残差学习的卷积神经网络（convolutional neural network ,CNN）从多序列数据中获取特征图。在深度特征融合子网络中，由于 MS 图像和 PAN 图像高度相关，创新性地使用属于 RNN 的卷积递归神经网络（convolutional recurrent neural network ,ConvGRU）对这些特征图之间的相邻波段和跨波段关系进行建模，以捕捉相邻波段和非相邻波段的特征相关性，然后对输出结果进行全局平均池化，从而获得更好的性能。基于降分辨率和全分辨率的几个数据集，表明所提出的 MCRNN 与其他方法相比具有更优越的性能。

全色锐化