随着遥感技术的发展，由各种不同传感器获取的同一区域的多光谱、多分辨率、多时相的影像数据越来越多。为了对观测目标有一个更加全面、清晰、准确的理解与认识，迫切希望寻找一种综合利用各类影像数据的技术方法，因此影像融合技术应运而生。本论文对中高分辨率影像的多光谱影像数据与全色影像数据进行融合实验，利用多光谱影像丰富的光谱信息与全色影像丰富的空间信息之间的互补性，研究在尽可能保留原光谱信息的前提下，提高空间分辨率的像素级影像融合算法。本文主要包括以下三个方面：(1)分析了遥感影像融合的层次、模型、结构及其特点，着重阐述了像素级遥感影像融合的概念、方法，对遥感影像融合效果的评价方法进行了深入的分析，并对现有的评价方法进行了整理、分类，对图像融合效果及融合方法进行定性、定量评价的方法和准则进行了讨论。(2)研究和分析了IHS变换、Borvey变换和PCA变换三种常用融合方法以及SVR变换、Pansharp变换、Gram-Schmidt变换这三种对高分辨率影像融合效果较好的融合方法，并通过实验定性、定量地比较了这几种方法的性能及对光谱的扭曲情况，分析和讨论了这些方法的优缺点及适用范围。(3)在分析BP神经网络特性和优势的基础上，针对现有融合算法SVR在影像融合中的不足和有待改进之处，提出了一种结合BP神经网络和SVR变换的新的融合算法。实验结果表明，新算法总体上优于原SVR融合算法，并在增强空间信息和保持光谱特征方面较SVR变换有所改进。