多源遥感图像融合是指将同一区域不同传感器的多幅遥感图像加以综合,通过特定的技术合成一幅新图像的过程。合成孔径雷达（Synthetic Aperture Radar,SAR）和多光谱图像因成像机理不同,而具有较大的差异。SAR图像具有强大的穿透力,不受恶劣天气影响,能够全天时全天候成像,表征丰富的地表纹理和结构特征。多光谱图像含有丰富的光谱信息,可以有效识别不同类型的地物信息,具有优越的目视效果。因此,将SAR和多光谱图像进行融合,可以实现多源图像优势互补,扩大图像的应用范围。本文从SAR和多光谱图像融合的研究背景与意义出发,归纳总结了目前融合算法的国内外研究现状及不足之处,并对SAR和多光谱图像融合算法展开了深入研究,主要工作包含以下两个方面:（1）针对融合图像易空间细节信息丢失的问题,提出了基于相位一致性和脉冲耦合神经网络（Pulse Coupled Neural Network,PCNN）的SAR和多光谱图像融合算法。本文利用亮度-色调-饱和度（Intensity-Hue-Saturation,IHS）和非下采样剪切波变换（Non-Subsampled Shearlet Transform,NSST）对图像进行分解和重构,在低频中采用基于相位一致性融合规则,不仅有针对地提取了低频图像的特征信息,还避免光谱信息损失,在高频中采用了PCNN融合规则,有效地提取图像中的纹理、边缘等细节信息。（2）为了提高局部细节信息的提取能力及图像的对比度,本文提出了双树复小波变换（Dual-Tree Complex Wavelet Transform,DTCWT）与引导滤波相结合的SAR和多光谱图像融合算法。该算法在IHS变换和NSST变换基础上,采用双树复小波变换对NSST低频系数进行二次分解,充分提取低频部分的细节信息,在DTCWT低频中采用改进的加权平均和引导滤波图像增强的融合规则,有效地加强了图像的对比度,在DTCWT高频和NSST高频中均采用PCNN融合规则,充分保留了图像的细节信息。本文利用三组哨兵1号SAR图像和Landsat-8多光谱图像进行实验,结果表明,本文算法在主观评价和客观评价方面均有明显地提升,融合图像不仅在光谱和空间信息上保真度高,图像对比度和清晰度也有所加强。