本文主要研究多光谱图像的融合及应用问题。首先,详细地说明了图像融合技术的定义、产生和发展以及图像融合的国内外现状,并引出多光谱图像的定义和特点。概述了多光谱图像融合的概念和目的,以及融合的层次,像素级的图像融合、特征级的图像融合和决策级的图像融合及分类技术。像素级的图像融合是多光谱图像融合的基础,本文主要以低空间分辨率多光谱图像与高空间分辨率灰度图像为研究对象,详细介绍了加权融合法、Brovey融合方法、HIS变换融合方法以及高通滤波法。特征级的多光谱图像融合法在考虑图像的光谱特性的基础上,提出了一种改进的基于HIS变换的图像融合法。在融合过程中嵌入了多小波融合方法,使得融合图像在获得高空间分辨率的同时,还很好地保持了原来光谱的光谱特性。此外,还讨论了另一种特征级的融合方法一主成分分析法,利用K-L变换来实现多幅低空间分辨率多光谱图像与高空间分辨率灰度图像之间的融合。最后讨论了基于决策级融合的图像分类问题,提出采用复合神经网络的方法来实现分类。实验证明,它不仅具有很高的分类正确率,还具有较好的抗干扰性。此外,还详细介绍了多光谱图像融合效果的评价方法。论述了主观评价方法和客观评价方法的应用原则,特别是对客观评价方法进行了全面的总结和分析,并提出了客观评价参数的选择方法。