近年来，图象融合已成为图象理解和计算机视觉领域中一项重要而有用的技术。图象融合是指将自不同类型传感器获取的同一地区的各影象数据进行空间配准，然后采用一定的算法将配准后的各影象数据中所含的显著信息或互补信息有机地结合起来，产生新的影象数据，并对新数据进行解译。与单一信息源相比，这种新数据能最大限度地利用各种信息源提供的信息，减少或抑制对对象的解释中可能存在的多义性、不确定性和误差。 本文以优化图象整体信息为目的的图象融合作为主要研究方向，研究对象为合成孔径雷达图象与多光谱图象的融合问题。研究内容主要为图象配准、图象融合以及融合效果的评价准则。 图象配准是图象融合的基础。本文提出了基于线性不变矩的特征图象配准算法。该算法针对SAR图象与多光谱图象差异性较大的特点，采用图象边缘的线性不变矩作为特征矢量进行遥感图象配准。实验证明，当待配准图象特性差异较大时，采用该算法可以得到更优的性能。 在系统地阐述了多源遥感图象融合的基本类型、处理模型、作用及应用的基础上，本文深入地研究了多种针对二维信号小波多分辨率分析算法的实现、特点和物理意义，并对基于不同小波分析技术的图象融合算法的特点进行了研究与分析，得出一些重要结论。本文提出了一种的基于非抽取提升小波变换的图象融合算法，其中包括一种新的将Mahalanobis距离与系数比率相结合的融合规则以及与之相应的融合算子。该算法将具有平移不变性的非抽取提升小波变换与IHS变换有机地结合起来。实验证明，在融合源图象特性差异较大的情况下，该算法与已有的基于小波分析的遥感图象融合算法相比较性能更优，具有运算速度快、减少光谱退化的特点，并能在一定程度上抑制相干斑噪声。 本文提出了对图象融合效果进行定量评价的方法和准则，并利用这些评价准则对多种图象融合方法的性能进行了比较研究。本文给出了一系列的图象融合实验，并得出了一些有价值的结论。