全色锐化（Pansharpening）旨在将多光谱（MS）图像与其对应的全色（PAN）图像融合，生成一幅具有前者光谱分辨率和后者空间分辨率的复合图像。传统的全色锐化方法可以归类为统一的细节注入框架，该框架将注入的多光谱细节视为全色细节与波段特定注入增益的结合。在本研究中，我们设计了一种基于细节注入的卷积神经网络（DiCNN）框架用于全色锐化，其中多光谱细节以端到端的方式直接建模。具体而言，第一个基于细节注入的卷积神经网络（DiCNN1）通过全色图像和多光谱图像提取多光谱细节，而第二个卷积神经网络（DiCNN2）仅利用全色图像。所提出的DiCNN的主要优势在于它们提供了明确的物理解释，并且能够在实现高质量全色锐化的同时快速收敛。此外，从相对理论的角度也分析了所提出方法的有效性。我们的方法通过在真实世界多光谱图像数据集上的实验进行了评估，与现有的其他先进方法相比，表现优异。